PyTorch深度学习（24）深度学习知识点总结

深度学习
一、机器学习和深度学习
机器学习流程：
数据获取特征工程建立模型评估与应用
ML机器学习（Machine Learning）：更偏向于人工，传统算法
DL深度学习（Deep Learning）：
NN→CNNPyTorch分割、检测等
DL实质：将人工的事情简单；计算复杂的事情交给计算机
优点：简洁、方便、效果好
二、知识点
1、CV 计算机视觉
CV：处理图像、视频数据
核心：提特征（提取动物、植物、物品等特征，进行分类）
传统方法：人为指定色彩、纹理、色差、饱和度等
图像数据——计算机处理的 向量、数值输入数据——迭代、计算--输出更好呈现的信息
ImageNet 2012
人工：标数据 需要大量人力Alex CNN
深度学习算法难点：吃数据 数据量足够多
数据集不够：数据增强
一张图片 三维数组 H W C通道(RGB) 图像处理存在问题：角度背景、遮蔽
2、传播过程
前向传播
线性函数 f(x,W)=Wx+b （1）神经网络玄学： 随机，结果并不能完全一样 **随机参数**：试探，效果不好，

PyTorch深度学习（24）深度学习知识点总结最先出现在Python成神之路。