深度学习总结

Posted nxf-rabbit75

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习总结相关的知识,希望对你有一定的参考价值。

输入模式与网络架构间的对应关系:

  • 向量数据:密集连接网络(Dense层)
  • 图像数据:二维卷积神经网络
  • 声音数据(比如波形):一维卷积神经网络(首选)或循环神经网络
  • 文本数据:一维卷积神经网络(首选)或循环神经网络
  • 时间序列数据:循环神经网络(首选)或一维卷积神经网络
  • 其他类型的序列数据:循环神经网络或一维卷积神经网络。如果数据顺序非常重要(比如时间序列,但文本不是),那么首选循环神经网络
  • 视频数据:三维卷积神经网络(如果需要捕捉运动效果),或者帧级的二维神经网络(用于特征提取)+循环神经网络或一维卷积神经网络(用于处理得到的序列)
  • 立体数据:三维卷积神经网络

三种网络架构:

  • 1.密集连接网络
  • 2.卷积网络
  • 3.循环网络

1.密集连接网络

密集连接网络是Dense层的队列,用于处理向量数据(向量批量)。这种网络假设输入特征中没有特定结构:之所以叫作密集连接,是因为Dense层的每个单元都和其他所有单元相连接;

 

以上是关于深度学习总结的主要内容,如果未能解决你的问题,请参考以下文章

深度学习系列资料总结

深度学习系列资料总结

深度学习系列资料总结

深度学习结课总结和进阶学习 优化算法 动手学深度学习v2

深度学习结课总结和进阶学习 优化算法 动手学深度学习v2

CV开山之作:《AlexNet》深度学习图像分类经典论文总结学习笔记(原文+总结)