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