المصدر: منظمة العفو الدولية Youdao
هذه المقالة عن 1300 كلمة، أوصى القراءة 7 دقائق.
توضح هذه المقالة عمق تعلم سؤال في مقابلة وشكل الجواب، ومجموعة من 500 الأسئلة والأجوبة من المشروع.
وقبل بضعة أشهر، أصدر قدمت وثيقة الحجر الأحمر على جيثب مشروع بشعبية كبيرة، بعنوان: DeepLearning-500-أسئلة والصينية الترجمة: طلبت دراسة متعمقة 500. والمؤلف هو خريج المعلقة من جامعة سيتشوان إلى الحديث عن جي يونغ. السؤال دراسة متعمقة مشروع حديث وشكل الجواب، ومجموعة من 500 الأسئلة والأجوبة. وفيما يتعلق المعروف الاحتمالات، والجبر الخطي، والتعلم الآلي، والتعلم العميق، ورؤية الكمبيوتر وغيرها من القضايا الساخنة.
برنامج شعبي تم تحديث مستمر، روح روح المصدر المفتوح، وهناك دائما المساهمين جديد لمشروع تحسين. اليوم، وقد بلغ الكتاب أكثر من 50 مليون كلمة، وتنقسم الى 18 فصول.
أدناه، ونحن نلقي نظرة على ما النواة الصلبة لهذا المشروع أن يكون لتجف!
هذا المشروع هو أكثر دقة عمق دليل الدراسة المقابلة، 500 نسأل، مفصل جدا. وينقسم الكتاب إلى 18 فصلا، ما يقرب من 50 مليون كلمة، والدليل هو كما يلي:
- الأسس الرياضية
- الأساس تعلم الآلة
- أساس التعلم العميق
- شبكة الكلاسيكية
- الشبكة العصبية التلافيف (CNN)
- المتكررة الشبكة العصبية (RNN)
- توليد المواجهة شبكة (GAN)
- كشف الهدف
- تقطيع الصورة
- تعزيز التعلم
- التعلم نقل
- هياكل الشبكة والتدريب
- خوارزمية الأمثل
- اختبار فائقة المعلمة
- GPU واختيار إطار
- المعالجة الطبيعية للغة (NLP)
- نموذجي ضغط والتسارع ونشر نهاية المحمول
- الخلفية اختيار الهندسة المعمارية، وخارج الخط والزمن الحقيقي
وغني جدا، تحديث الكتاب بشكل مستمر والكمال. نحن أدناه قائمة بعض المعرفة للقارئ أن يرى ذلك!
1. مجموعة متنوعة من خوارزميات المشتركة (الفصل 2)
الاستخدام اليومي من الجهاز مهام التعلم، فإننا كثيرا ما يجتمع خوارزميات مختلفة، كما هو مبين أدناه:
2. دعم آلة المتجهات (الفصل 2)
- دعم المتجهات: في عملية حل، وسوف تجد يمكن تحديد جزء فقط من البيانات بناء على المصنف، وهذه البيانات يسمى الدعم الموجه.
- SVM (دعم آلة المتجهات، SVM): وهذا يعني أن من خلال دعم عمليات مكافحة ناقلات المصنف.
في بيئة ثنائية الأبعاد، حيث يمكن أن ينظر إلى R نقطة، S، G نقطة والنقطة الأخرى بالقرب من منتصف خط أسود كناقل الدعم، يمكن أن يقرروا المصنف، أي معالم محددة من الخط الأسود.
SVM هو نموذج ثنائي، الهدف منه هو إيجاد الفائق لتقسيم العينة، ومبدأ التقسيم هو تحقيق أقصى قدر من الحدود، تتحول في نهاية المطاف إلى مشاكل البرمجة التربيعية المحدبة لحلها.
3. مشتركة هندسة الشبكات العصبية (الفصل 3)
يحتوي على الشكل التالي النموذج الأكثر شيوعا:
4. أصناف متعددة Softmax (الفصل 3)
يحتوي أدناه الإجراءات المفصلة واستخلص طبقة Softmax:
بنية الشبكة الكلاسيكية (الفصل 4)
يقدم هذا الفصل العديد من نموذج الشبكة العصبية تمثيلي.
- LeNet-5
LeNet 5 النموذج هو يان ليكون المقترحة في عام 1998، وكان أول تطبيقه بنجاح لمشكلة الشبكة العصبية الرقمي التفاف تحديد الهوية. في البيانات MNIST، ومعدل دقة البالغ نحو 99.2. نموذجي LeNet 5 طبقة هيكل بما في ذلك التفاف، وطبقة الخلايا طبقات مرتبطة ارتباطا كاملا، وتسلسل عموما: طبقة الإلتواء - تجميع طبقة - طبقة الإلتواء - تجميع طبقة - طبقات مرتبطة ارتباطا كاملا - طبقات مرتبطة ارتباطا كاملا - طبقة الإخراج.
ويعطي معلمات التكوين شبكة LeNet-5:
- AlexNet
كان AlexNet في عام 2012 الفائز مسابقة ImageNet هينتون وتلميذه تصميم اليكس Krizhevsky. AlexNet يمكن معالجة الصور الملونة الكبيرة مباشرة، من حيث خوارزمية تصنيف تعلم الآلة التقليدية، وأدائها جيد جدا. 5 هو التفاف AlexNet وثلاث طبقات طبقات مرتبطة ارتباطا كاملا، وتسلسل عموما: طبقة الإلتواء - تجميع طبقة - طبقة الإلتواء - تجميع طبقة - طبقة الإلتواء - طبقة الإلتواء - طبقة الإلتواء - تجميع طبقة - طبقات مرتبطة ارتباطا كاملا - طبقات مرتبطة ارتباطا كاملا - طبقة الإخراج.
AlexNet معلمات تكوين شبكة:
6. مرتبطة ارتباطا كاملا، متصلة جزئيا، والتفاف المحلي للالتفاف كامل (الفصل 5)
مرتبطة ارتباطا كاملا، متصلة جزئيا المقارنة والتفسير، والتفاف المحلي للالتفاف الكامل هي كما يلي:
محتويات المشروع بأكمله يحتوي كبيرة جدا، وليس تكرارها هنا. تجف من الصعب جدا، لا ينبغي أن تفوت هذه الموارد.
وعموما، هذا المورد ليس دراسة كتاب عمق النظام، ولكن كاملة ومفصلة تكرير المعرفة دليل دراسة متعمقة. للمقابلة، الاختبار الذاتي مفيد جدا! خلاصة القول: من الصعب البضائع الجافة الأساسية، والجدير جمع!
المحرر: هوانغ Jiyan تم التعليق بواسطة: لين يي لينتسينغهوا الانتباه - بيانات أكاديمية تشينغداو للعلوم قناة الصغرى الرسمية منصة الجمهور " بيانات الإرسال THU "أيتها الأخوات ولا". إرسال البيانات THU "لرعاية المزيد من المحاضرات ونوعية المحتوى.