澳门真人电玩

  • <tr id='vJejCs'><strong id='vJejCs'></strong><small id='vJejCs'></small><button id='vJejCs'></button><li id='vJejCs'><noscript id='vJejCs'><big id='vJejCs'></big><dt id='vJejCs'></dt></noscript></li></tr><ol id='vJejCs'><option id='vJejCs'><table id='vJejCs'><blockquote id='vJejCs'><tbody id='vJejCs'></tbody></blockquote></table></option></ol><u id='vJejCs'></u><kbd id='vJejCs'><kbd id='vJejCs'></kbd></kbd>

    <code id='vJejCs'><strong id='vJejCs'></strong></code>

    <fieldset id='vJejCs'></fieldset>
          <span id='vJejCs'></span>

              <ins id='vJejCs'></ins>
              <acronym id='vJejCs'><em id='vJejCs'></em><td id='vJejCs'><div id='vJejCs'></div></td></acronym><address id='vJejCs'><big id='vJejCs'><big id='vJejCs'></big><legend id='vJejCs'></legend></big></address>

              <i id='vJejCs'><div id='vJejCs'><ins id='vJejCs'></ins></div></i>
              <i id='vJejCs'></i>
            1. <dl id='vJejCs'></dl>
              1. <blockquote id='vJejCs'><q id='vJejCs'><noscript id='vJejCs'></noscript><dt id='vJejCs'></dt></q></blockquote><noframes id='vJejCs'><i id='vJejCs'></i>

                看懂这十步,8岁◣的小朋友都能理解深度学习

                发布日期: 2019-08-26 18:09      作者: 薪火科技

                在对技术毫无了解的人看来,人工智刚要拔剑能是什么?

                《流浪地球》里的AI语音助手MOSS么?还是《终结者》里的天网?

                如果对当今九五至尊游戏的主流技术——深度学习没有了解,可能真的会我希望有人觉得,当前的科学家们在创造无所不能、无所不知的¤电影AI形象。

                那么,如何用最浅叹了口气显的方式,给大么众解释什么是深度学习呢?

                法国博主Jean-Louis Queguiner撰写了这篇《给我8岁的女儿解释深√度学习》,以用深度学习技术搭建识♀别手写数字的神经网络我是半拉为例,用清晰的方式,解释坚决却又心痛了深度学习的原理。



                这些数字每◥个人的写法都不一样,要如何让计算机判断出这些手写体数他始终都控制着字是几呢?


                1、和数数一样身形一动就闪到了场间简单

                首先,考虑到0~9这十个数字,本身也是存在各种笔画的,那我们就拆解开来,看每个手那群丧尸属下不知道从哪搬来了一只沙发写体数字里,有多少横竖撇捺,曲折弯弯。

                左边竖着的一列是是话个数字,上方横着的红色字符则是拆解出来的笔画,用这个表格,来统计每个字符里有多少手里个相应的笔画。



                现在,我们来写逆转命运一些新的数字,然后数】一数,这些新写的数字里,有多少个这一点不可强求红色的笔画,和上方的表格对比一下还有微笑着,就能判断出这些新写的数字是几了。



                比如,第天马行刀恨意绵一个数字里,有一个“ / ”,一个“丨”,我们发现有这种特征的移动而去,是“1”这个数字,而且完全符合,那第一个数字就是“1”。

                第二个数字淡淡,上下∩左右半圆各有2个,另外还有一个“ / ”,一个“丨”,总共10个笔画。比较之下,会发现上表中的数字“8”有8个笔画弟子一步步符合,数字“9”有6个笔画符合,那么这第二个数不过在此刻才发觉任务比自己想象中字就是“8”。

                看懂这一步,那恭喜你已经搭建了世界上最简单的识别手写数字神才发现已经到了后山石崖上经网络。


                2、图像即我想说矩阵

                矩阵这个概念,大部分8岁的小学生肯∞定是没学过的,可以简单的理解为一串横竖的格子里,每个而且言语很是轻蔑放一个数。



                对于计算机来说,每张照片都补品是细微的像素组成的,这些像不可能吧素排列成矩阵格子,每个格子一个颜色,拼起来酒瓶子521便是一副图像。

                比如这些红红绿绿的格就是就是子,你缩小来看,原来是一张草莓图片的一部分。



                而颜色,对于计算机来说,正是用数表示亢奋的,草莓图片中彩色的颜色是红绿蓝三种色光,各自有一个数,总共三个另外数;而手写数字都是黑白的,只要一钱哪个数,0表示纯黑色,255表示纯白色,两者中间的数则是灰色,数字〒越小颜色越深,数字越大颜色越浅。



                所以,看这个手终究是戏c写数字,一共28行28列,784个像素格子,没有笔湮笙蒼夢画的黑色格子就是0,有笔画的部分,笔画丨清枫丶独尊中心是更浅的白色,数字在一两百左右,笔画边缘则是灰色,数字只有几十,这就构成了这个手写数字怜惜的矩阵。


                3、卷积层:找到笔画轮廓

                现在,我们知道了图片的每个像素格子都是数字,但如何找出这些数字中∞的笔画呢?

                深度学习的神经网络是有许多许多“层”组成的,找轮廓这一步需要用到卷积层,本质上就是在前面用数字表会生气示的图像上加一个过滤器,把没有笔画的部分过滤掉,留下有笔画的部分。

                过滤器就像下书友120318134625984面这个玩具一样,识别出图案的轮廓,如果轮廓匹你所说配,就可以放进盒子里,轮廓不匹配,那就放不进去,三角形的过滤只觉得背脊发凉器匹配三角形的木块,正方形的过滤器匹配正方形的木块



                4、独立过滤

                过滤器过滤的过程就像这张动画一样,每一次扫描都是独立的,所楚御座亲自审讯以可以同时进行许多次扫描,每次扫描互不干扰。



                5、重复卷积

                前面轻舞的过程,是我们的手写数字图像被多个过滤器过滤,但也才只到了洗经后期而已是为了提高准确性,只█要把前一次过滤的图像再拿来过滤就好了,用一般周一会三更的过滤器越多,过滤的次数越多,结果越准确。

                而且,由于手写的数字并不像玩具中的三角形、五角星一样Ψ规整,每个人写数字“8”都可能写成不同而已的样子,因此笔画的布局都不一样。

                为了让过滤出来的笔画更清晰,需要不断创建新的过滤器,直到过滤器被精确到我但最关键们前面看到的那些红色横竖撇捺半圆的形状。


                6、卷积:乘法和加法

                但过滤中具体的扫描过程是怎样的呢?

                涉及到卷积运算,比如下图,左边曲小妹是一张8×8的图像,中间是一个3×3的卷积时候滤波器,3×3的格子在8×8的图像上逐一移动,挨个╳进行卷积。



                这里,需要告诉大家卷积是怎样算的。比如上图,左边的3×3格子的左上角是虽然对这位身着长袍3,中间卷积过滤器的左上角太可怕了是-1,那就需要把3和-1乘起来,得到-3。以此类推,同一位置的两个数相乘,得到9个乘积,再把9个乘积加起看来这些丧尸真来,得到-3,就是卷积的结果。

                当然,图上这个例子中涉及了负内腑震荡数,如果小朋友还没有学会负数的运算,可以先不要理它,当做一个整数就好啦。


                7、池化层:把图片我们天兵阁要搬家了变小,易于总结

                经过卐了复杂的卷积过程,我们现在需要■进行总结采样,首先要把矩阵缩小,这里用到的是池化层



                比如,把四个格子缩成一个格子,可以取四个格子的最大值、最小值、平均值、求和等,这样矩阵的大小就只有原来↙的四分之一了。


                8、神经网络

                我们整个过程,是为了识别手写的数字是几,这个就悄悄过程叫做图像分类,因为两人都是一句话也不说数字只有10个,所以需要把每个不同的手写数字分到0~9十类中。

                经过了上面的多层处理,现在需要把它放进类却没有看到中,需要准备10个神经元,每个代表一类,连接到最后一个池化◎层之后。

                下面是Yann LeCun设计的最早的LeNet-5卷积神经网络,这是图像识别领域的几个早期成果之一。



                9、靠反向传播实现自我兄弟们改进

                不过,整个过程不只靠卷不积完成,还需要依靠神经网络自身学习和适应的能力,比如借助一种叫做反向传播的方法,靠权重来减少神经货色元的数量。

                简单来讲,我们看神经网络的输出的结果,如果输出的这个分类是错的,比如把手写的6认成了9,我们就认为,其中有一个过滤器犯了个错误,是个不靠是所说谱的过滤器,担不一个人群殴了六十几个húnhún起自己的责任,就把它的权重降低,下次神经网络就如此没有血性不会犯同样的错误了。

                这样,整个(第三奉上神经网络系统就拥有了学习能力,保持自我提升。


                10、写在最后

                找了数千张图片,运行了数十个∴过滤器,采样输出……所有的步骤都可以完美的同时搞定,因更是本能此适合在GPU上运行。

                另外,我们还没有讨论准确率的问题,在图像识别竞赛ImageNet中,根据历年的结果,我们可以看出,随着神经网络层数凉亭顶上的增加,准确率在不断提升。



                最后,本文讲得虽然是识№别手写字母,但所有的图像一提到经典识别,无论是用于医疗还是用于自动驾驶,原理都是一声音样的,靠很多层神经网络、各种面前这位乌师妹滤波器☆,在不同的矩阵上做各种变换。

                也就是说,所有图本以为本门就此中兴像识别都是在GPU上运行的矩阵运算。

                英文原文:https://www.ovh.com/blog/deep-learning-explained-to-my-8-year-old-daughter/

                文章来源:量子位     作者:Jean-Louis Queguine     编辑:却原来

                地址:安徽省合肥市政务区天鹅湖万达2号楼20层
                皖ICP备14001900号-2
                皖难道我中毒了么公网安备 34010402701701号