[PyTorch][chapter 9][李宏毅深度学习][Why Deep]

前言:

我们知道深度学习一个重要特征是网络堆叠,深。 为什么需要深度,

本篇主要简单介绍一下该原因

目录:

1: 简介

2: 模块化分析

3: 语音识别例子


一 简介

有人通过实验,使用相同的网络参数,深度越深的网络相当于浅层网络效果更好。

1.1 Deeper is Better

如下图,随着网络层次逐渐加深,文本错误率逐渐降低

如下图,我们只用一层的网络,参数量跟多层一样,错误率高很多.

为什么产生这种现象?

同样的参数量,深度网络比浅层网络效果更好。


二 模块化分析

我们写程序,也把函数分为不同模块,实现不同功能

深度学习不同的层也相当于不同的函数,不同的函数实现不同的功能,

更高层也能使用到.

2.1 数据集的影响

比我我们要通过一个神经网络实现做4分类

|-------|------|
| 长头发女生 | 数据量大 |
| 长头发男生 | 数据量小 |
| 短头发女生 | 数据量大 |
| 短头发男生 | 数据量小 |

因为长头发男生数据集小,训练的网络一般会比较差。

解决方案:

使用更深层次的网络,有的用来识别男女,有的用来识别短头发长头发

然后更高层次的网络用来做4分类.

深度学习就相同于实现上面模组化的功能,每一层的神经元的输出,作为下一层神经元的输入.

我们没有足够的训练数据,所以做Deep Learning


三 语音识别例子

以发音识别为例:

输入了语音特征,输出对应的概率

在深度学习采样的模型如下:绿色模块是一些根据专家信息提取的声音

特征信息

Google 曾经做过实验:

使用深度学习的模型甚至完全不需要上面绿色的模块

可以达到前面模型一样的准确率.

11: Why Deep?_哔哩哔哩_bilibili


相关推荐
CoovallyAIHub11 分钟前
开源的消逝与新生:从 TensorFlow 的落幕到开源生态的蜕变
pytorch·深度学习·llm
用户51914958484524 分钟前
C#记录类型与集合的深度解析:从默认实现到自定义比较器
人工智能·aigc
IT_陈寒4 小时前
React 18实战:7个被低估的Hooks技巧让你的开发效率提升50%
前端·人工智能·后端
逛逛GitHub5 小时前
飞书多维表“独立”了!功能强大的超出想象。
人工智能·github·产品
机器之心5 小时前
刚刚,DeepSeek-R1论文登上Nature封面,通讯作者梁文锋
人工智能·openai
CoovallyAIHub6 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub6 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
aneasystone本尊7 小时前
学习 Chat2Graph 的知识库服务
人工智能
IT_陈寒8 小时前
Redis 性能翻倍的 7 个冷门技巧,第 5 个大多数人都不知道!
前端·人工智能·后端
飞哥数智坊18 小时前
GPT-5-Codex 发布,Codex 正在取代 Claude
人工智能·ai编程