[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
SKYDROID云卓小助手2 分钟前
三轴云台之深度学习算法篇
服务器·人工智能·单片机·嵌入式硬件·深度学习·数码相机·算法
Baihai_IDP3 分钟前
深度剖析 Claude 4 的系统提示词(保留提示词原文,并提供译文)
人工智能·llm·claude
weiwuxian7 分钟前
Gemini CLI Web简化版
人工智能
未来影子7 分钟前
MCP的SSE重连机制,源码解析
人工智能·后端
CoovallyAIHub8 分钟前
超越YOLOv8!无参注意力+动态ROI的YOLO-APD突破复杂道路场景
深度学习·算法·计算机视觉
万事可爱^9 分钟前
简单明了的对比PyTorch与TensorFlow
人工智能·pytorch·python·深度学习·tensorflow
rocksun11 分钟前
当AI加速API开发,安全如何跟上?
人工智能
sylwair18 分钟前
轻松切换 Claude Code API 配置,畅享多渠道高效编程体验
人工智能
阿_旭19 分钟前
【CV综合实战】基于深度学习的工业压力表智能检测与读数系统【3】使用OpenCV读取分割后的压力表读数
人工智能·深度学习·opencv·压力表读数读取
三桥君22 分钟前
构建可落地的企业AI Agent,背后隐藏着怎样的技术密码?
人工智能