前言:
深度学习常用的开发平台
|------------|
| TensorFlow |
| torch |
| theano |
| caffe |
| DSSTNE |
| mxnet |
| libdnn |
| CNTK |
目录:
1: 深度学习发展历史
2: DeepLearning 工程简介
3: DNN 简介
一 发展历史

二 DeepLearning 工程简介
深度学习三大步:
|------------------|
| 定义映射函数(神经网络) |
| 定义损失函数 |
| 通过梯度更新,选择最好的映射函数 |

2.1 Neural Network
给定了一个函数,可以设置不同的参数,所以对应为
一个函数集合



不同模型在图像识别上面的错误率,

三 DNN
深度神经网络 (Deep Neural Networks, 以下简称DNN)是深度学习的基础,这里面结合
手写数字的例子简单的介绍一下
3.1 模型

可以分为三部分:
输入层,隐藏层,输出层
3.2 损失函数


3.3 Graident Descent
通过Backpropagation(反向传播算法)更新梯度,Backpropagation 后面会单独介绍

参考: