深度學習簡介與實戰人工智能發展歷程Eugene

GoostmanDeep

BlueAlphaGo人工智能應用C:

ConsumerB:

Business很多職業在將來會消失……-記者很多職業在將來會消失……-公交車司機很多職業在將來會消失……-翻譯輕松一掃，俄語變英語以文本為對象的深度學習-作詩“姬”作詩“姬”視覺深度學習輸出視覺深度學習–梵高體照片照片的“梵高體”視覺深度學習原始圖學習模式轉換圖視覺深度學習原始圖學習模式轉換圖基于視覺深度學習的AlphaGo

Zero視覺深度學習在生物醫學領域的應用神經網絡簡介Neural

Networks神經網絡發展歷程從上世紀80年代開始，人工神經網絡(Artificial

Neural

Networks)興起由于計算機計算能力的不足和理論上的缺陷，神經網絡算法被支持向量機(Support

Vector

Machine)和隨機森林(Random

Forest)等其他機器學習算法替代2006年，Hinton發布了深信度網絡(DeepBeliefNetworks,DBNs)，開啟了深度神經網絡新時代最近，由于計算機計算能力的增強和計算模式上的創新(GPU計算)，深度學習(Deep

Learning)技術再度成為人們關注的熱點。BP神經網絡構成層（Layer）輸入層全連接層輸出層卷積神經網絡——以卷積層為特點卷積神經網絡是目前視覺深度學習領域最為流行的神經網絡，其特點是網絡中至少有一層是卷積層那么什么是卷積呢？卷積神經網絡——卷積(Convolution)101010101100010001100110111雙對角線單對角線下三角1111011110101110101111681611184811116816周圍強化橫豎線高斯濾波器卷積神經網絡構成——層(Layers)層（Layer）卷積層卷積神經網絡構成——層(Layers)層（Layer）池化層mean-pooling（平均值）池化方法： max-pooling （最大值）stochastic

pooling（隨機）023101111SUM10÷1000.20.30.100.10.10.10.1按照概率選取321030%20%50%0%卷積神經網絡構成——層(Layers)層Drop-out層（按照規定百分比隨機打斷神經元之間的連接，防止過擬合）Flatten層（將多維數據扁平化，便于連接全連接層）輸出層（常用soft-max函數，輸出分類概率）卷積神經網絡構成——激活函數(activation

function)ReLU??

???

max

0,

????

?TanH激活函數

fSigmoid《白話深度學習與TensorFlow》高揚,衛崢卷積神經網絡實例——人臉識別(Deep

ID)Deep

ID香港中文大學的Sun

Yi開發出來用來學習人臉特征的卷積神經網絡Tensorflow和Keras的安裝1.安裝AnaConda2.安裝Python3.5>conda

installpython=3.53.安裝Tensorflow>conda

create

-n

tensorflowpython=3.54.激活Tensorflow>activate

tensorflow5.安裝Keras>pip

install

keras安裝Anaconda安裝Python3.5啟動Anaconda

prompt>conda

install

python=3.5安裝Python3.5輸入y安裝python3.5安裝Tensorflow>conda

create

-n

tensorflow

python=3.5激活Tensorflow>activate

tensorflow

#激活Tensorflow>python

#查看python版本測試Tensorflow>Python

#進入python>>>importtensorflow

as

tf

#加載Tensorflow并簡寫為tf>>>a=tf.constant([1.0,2.0],name=“a”)

#定義常量>>>b=tf.constant([2.0,3.0],name=“b”)

#定義常量>>>result=a+b

#Tensorflow加載NumPy,可以直接用加號>>>sess=tf.Session()

#需要生成會話才能輸出結果>>>print(sess.run(result))安裝Keras>pip

ins