蝈蝈俊
·
深度学习 - 蝈蝈俊
💡
原文中文，约3000字，阅读约需7分钟。
📝
内容提要
深度学习通过模拟生物神经网络构建人工神经网络，擅长处理海量数据和抽象概念，但需要强大算力和海量数据。采用分层架构实现对输入数据的多层次抽象和变换，难以解释。可以处理各种类型的数据和问题，如图像、语音、文本、分类、回归、生成等。GPT大模型展现了深度学习的可能性和创新性。
🎯
关键要点
- 深度学习模拟生物神经网络，构建人工神经网络。
- 深度学习需要强大的算力和海量数据。
- 采用分层架构实现对输入数据的多层次抽象和变换。
- 深度学习擅长处理图像、语音、文本等多种数据类型。
- 深度神经网络（DNN）是深度学习的一种框架，至少有一个隐层。
- 深度学习与人脑相比，擅长处理海量数据和个性化定制。
- 深度学习的发展史包括CNN、RNN和GAN等模型。
- ChatGPT的核心结构是Transformer模型，具备自注意力机制。
- 深度学习与传统机器学习的主要区别在于数据量、特征提取和模型复杂度。
- 深度学习最近才火起来，因算力和数据的提升。
- 神经网络采用分层架构以提高表达能力和泛化能力。
- 神经网络难以解释，因其内部结构复杂且缺乏明确语义。
- 深度学习是机器学习的一个分支，处理各种类型的数据和问题。
➡️
