什么是深度學(xué)習(xí)？

深度學(xué)習(xí)是一種人工智能（AI）方法，用于教計(jì)算機(jī)以受人腦啟發(fā)的方式處理數(shù)據(jù)。深度學(xué)習(xí)模型可以識(shí)別圖片、文本、聲音和其他數(shù)據(jù)中的復(fù)雜模式，從而生成準(zhǔn)確的見解和預(yù)測。您可以使用深度學(xué)習(xí)方法自動(dòng)執(zhí)行通常需要人工智能完成的任務(wù)，例如描述圖像或?qū)⒙曇粑募D(zhuǎn)錄為文本。 

為什么深度學(xué)習(xí)很重要？

人工智能（AI）試圖訓(xùn)練計(jì)算機(jī)像人類一樣思考和學(xué)習(xí)。深度學(xué)習(xí)技術(shù)推動(dòng)了日常產(chǎn)品中使用的許多 AI 應(yīng)用程序的發(fā)展，例如：

• 數(shù)字助理

• 聲控電視遙控器

• 欺詐檢測

• 自動(dòng)面部識(shí)別

它也是自動(dòng)駕駛汽車、虛擬現(xiàn)實(shí)等新興技術(shù)的重要組成部分。 

深度學(xué)習(xí)模型是一些計(jì)算機(jī)文件，數(shù)據(jù)科學(xué)家訓(xùn)練這些文件，以使用算法或一組預(yù)定義步驟來執(zhí)行任務(wù)。企業(yè)使用深度學(xué)習(xí)模型在各種應(yīng)用程序中分析數(shù)據(jù)并做出預(yù)測。

深度學(xué)習(xí)的作用

深度學(xué)習(xí)在汽車、航空航天、制造、電子、醫(yī)學(xué)研究和其他領(lǐng)域有很多使用場景。以下是深度學(xué)習(xí)的一些示例：

• 自動(dòng)駕駛汽車使用深度學(xué)習(xí)模型自動(dòng)檢測路標(biāo)和行人。

• 國防系統(tǒng)使用深度學(xué)習(xí)在衛(wèi)星圖像中自動(dòng)標(biāo)記感興趣的區(qū)域。

• 醫(yī)學(xué)圖像分析使用深度學(xué)習(xí)自動(dòng)檢測癌細(xì)胞以進(jìn)行醫(yī)學(xué)診斷。

• 工廠使用深度學(xué)習(xí)應(yīng)用程序自動(dòng)檢測人員或物體何時(shí)位于機(jī)器的不安全距離內(nèi)。

您可以將這些不同的深度學(xué)習(xí)使用場景分為四大類：計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理（NLP）和推薦引擎。

計(jì)算機(jī)視覺

計(jì)算機(jī)視覺是指計(jì)算機(jī)從圖像和視頻中提取信息及見解的能力。計(jì)算機(jī)可以使用深度學(xué)習(xí)技術(shù)來理解圖像，就像人類一樣。計(jì)算機(jī)視覺具有多種應(yīng)用，如下所示：

• 內(nèi)容審核，用于從圖像和視頻歸檔中自動(dòng)刪除不安全或不適當(dāng)?shù)膬?nèi)容

• 面部識(shí)別，用于識(shí)別面部和多項(xiàng)屬性，如睜開的眼睛、眼鏡以及面部毛發(fā)

• 圖像分類，用于識(shí)別品牌徽標(biāo)、服裝、安全裝備和其他圖像細(xì)節(jié)

語音識(shí)別

深度學(xué)習(xí)模型可以分析人類語音，盡管說話模式、音調(diào)、語氣、語言和口音不盡相同。虛擬助手（如 Amazon Alexa）和自動(dòng)轉(zhuǎn)錄軟件使用語音識(shí)別執(zhí)行以下任務(wù)：

• 幫助呼叫中心座席并對呼叫進(jìn)行自動(dòng)分類。

• 將臨床對話實(shí)時(shí)轉(zhuǎn)換為文檔。

• 為視頻和會(huì)議記錄添加準(zhǔn)確的字幕以實(shí)現(xiàn)更廣泛的內(nèi)容覆蓋范圍。

自然語言處理

計(jì)算機(jī)使用深度學(xué)習(xí)算法從文本數(shù)據(jù)和文檔中收集見解和意義。這種處理自然的、人工創(chuàng)建的文本的能力有幾個(gè)使用場景，包括在以下功能中：

• 自動(dòng)虛擬座席和聊天機(jī)器人

• 自動(dòng)總結(jié)文件或新聞文章

• 長格式文檔（如電子郵件和表格）的業(yè)務(wù)情報(bào)分析

• 用于表示情緒（如社交媒體上的正面和負(fù)面評(píng)論）的關(guān)鍵短語索引

推薦引擎

應(yīng)用程序可以使用深度學(xué)習(xí)方法來跟蹤用戶活動(dòng)并開發(fā)個(gè)性化推薦。它們可以分析各種用戶的行為，并幫助他們發(fā)現(xiàn)新產(chǎn)品或服務(wù)。例如，許多媒體和娛樂公司，例如 Netflix、Fox 和 Peacock，都使用深度學(xué)習(xí)來提供個(gè)性化的視頻推薦。

深度學(xué)習(xí)的工作原理

深度學(xué)習(xí)算法是仿照人腦建模的神經(jīng)網(wǎng)絡(luò)。例如，人腦包含數(shù)百萬個(gè)相互關(guān)聯(lián)的神經(jīng)元，它們協(xié)同工作以學(xué)習(xí)和處理信息。同樣，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（或人工神經(jīng)網(wǎng)絡(luò)）是由在計(jì)算機(jī)內(nèi)部協(xié)同工作的多層人工神經(jīng)元組成的。

人工神經(jīng)元是稱為節(jié)點(diǎn)的軟件模塊，它使用數(shù)學(xué)計(jì)算來處理數(shù)據(jù)。人工神經(jīng)網(wǎng)絡(luò)是使用這些節(jié)點(diǎn)來解決復(fù)雜問題的深度學(xué)習(xí)算法。

深度學(xué)習(xí)網(wǎng)絡(luò)有哪些組成部分？

深度神經(jīng)網(wǎng)絡(luò)的組成部分如下：

輸入層

人工神經(jīng)網(wǎng)絡(luò)有幾個(gè)向其輸入數(shù)據(jù)的節(jié)點(diǎn)。這些節(jié)點(diǎn)構(gòu)成了系統(tǒng)的輸入層。

隱藏層

輸入層處理數(shù)據(jù)并將其傳遞到神經(jīng)網(wǎng)絡(luò)中更遠(yuǎn)的層。這些隱藏層在不同層級(jí)處理信息，在接收新信息時(shí)調(diào)整其行為。深度學(xué)習(xí)網(wǎng)絡(luò)有數(shù)百個(gè)隱藏層，可用于從多個(gè)不同角度分析問題。

例如，如果您得到了一張必須分類的未知?jiǎng)游锏膱D像，則可以將其與您已經(jīng)認(rèn)識(shí)的動(dòng)物進(jìn)行比較。例如，您可以查看其眼睛和耳朵的形狀、大小、腿的數(shù)量和毛皮花色。您可以嘗試識(shí)別圖樣，如下所示：

• 動(dòng)物有蹄，所以它可能是?；蚵?。

• 動(dòng)物有貓眼，所以它可能是某種類型的野貓。

深度神經(jīng)網(wǎng)絡(luò)中的隱藏層以相同的方式工作。如果深度學(xué)習(xí)算法試圖對動(dòng)物圖像進(jìn)行分類，則其每個(gè)隱藏層都會(huì)處理動(dòng)物的不同特征并嘗試對其進(jìn)行準(zhǔn)確的分類。

輸出層

輸出層由輸出數(shù)據(jù)的節(jié)點(diǎn)組成。輸出 “是” 或 “否” 答案的深度學(xué)習(xí)模型在輸出層中只有兩個(gè)節(jié)點(diǎn)。那些輸出更廣泛答案的模型則有更多的節(jié)點(diǎn)。 

機(jī)器學(xué)習(xí)背景下的深度學(xué)習(xí)是什么？

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的子集。深度學(xué)習(xí)算法的出現(xiàn)是為了提高傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)的效率。傳統(tǒng)的機(jī)器學(xué)習(xí)方法需要大量的人力來訓(xùn)練軟件。例如，在動(dòng)物圖像識(shí)別中，您需要執(zhí)行以下操作：

• 手動(dòng)標(biāo)記數(shù)十萬張動(dòng)物圖像。

• 讓機(jī)器學(xué)習(xí)算法處理這些圖像。

• 在一組未知圖像上測試這些算法。

• 找出某些結(jié)果不準(zhǔn)確的原因。

• 通過標(biāo)注新圖像來改進(jìn)數(shù)據(jù)集，以提高結(jié)果準(zhǔn)確性。

這個(gè)過程稱為有監(jiān)督學(xué)習(xí)。在有監(jiān)督學(xué)習(xí)中，只有當(dāng)您擁有廣泛且充分多樣化的數(shù)據(jù)集時(shí)，結(jié)果準(zhǔn)確性才會(huì)提高。例如，該算法可能可以準(zhǔn)確識(shí)別黑貓，但不能準(zhǔn)確識(shí)別白貓，因?yàn)橛?xùn)練數(shù)據(jù)集包含更多黑貓圖像。在這種情況下，您需要標(biāo)記更多的白貓圖像并再次訓(xùn)練機(jī)器學(xué)習(xí)模型。

深度學(xué)習(xí)相對于機(jī)器學(xué)習(xí)有什么好處？

與傳統(tǒng)的機(jī)器學(xué)習(xí)相比，深度學(xué)習(xí)網(wǎng)絡(luò)具有以下優(yōu)勢： 

高效處理非結(jié)構(gòu)化數(shù)據(jù) 

機(jī)器學(xué)習(xí)方法發(fā)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)（如文本文檔）難以處理，因?yàn)橛?xùn)練數(shù)據(jù)集可能有無限種變化。另一方面，深度學(xué)習(xí)模型可以理解非結(jié)構(gòu)化數(shù)據(jù)并進(jìn)行一般觀察，而無需手動(dòng)提取特征。例如，神經(jīng)網(wǎng)絡(luò)可以識(shí)別出這兩個(gè)不同的輸入句子具有相同的含義：

• 您能否告訴我如何付款？

• 我如何轉(zhuǎn)賬？ 

隱藏的關(guān)系和模式發(fā)現(xiàn)

深度學(xué)習(xí)應(yīng)用程序可以更深入地分析大量數(shù)據(jù)，并揭示可能尚未對其進(jìn)行過訓(xùn)練的新見解。例如，考慮一個(gè)經(jīng)過訓(xùn)練以分析消費(fèi)者購買的深度學(xué)習(xí)模型。該模型僅包含您已購買的商品的數(shù)據(jù)。但是，通過將您的購買模式與其他類似客戶的購買模式進(jìn)行比較，人工神經(jīng)網(wǎng)絡(luò)可以向您推薦您尚未購買的新物品。

無監(jiān)督學(xué)習(xí)

深度學(xué)習(xí)可以根據(jù)用戶行為進(jìn)行學(xué)習(xí)，并隨時(shí)間推移進(jìn)行改進(jìn)。它們不需要大量不同版本的標(biāo)注數(shù)據(jù)集。例如，考慮通過分析您的鍵入行為自動(dòng)更正或推薦詞匯的神經(jīng)網(wǎng)絡(luò)。假設(shè)該模型是使用英語訓(xùn)練的，因此可對英語詞匯進(jìn)行拼寫檢查。但是，如果您經(jīng)常鍵入非英語詞匯，如 danke，神經(jīng)網(wǎng)絡(luò)也可以自動(dòng)學(xué)習(xí)和更正這些詞匯。

易失性數(shù)據(jù)處理

易失性數(shù)據(jù)集具有各種不同的版本。銀行的貸款還款額就是其中的一個(gè)例子。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)也可以對這些數(shù)據(jù)進(jìn)行分類和排序，例如通過分析金融交易并標(biāo)記其中一些交易以進(jìn)行欺詐檢測。

深度學(xué)習(xí)面臨哪些挑戰(zhàn)？

由于深度學(xué)習(xí)是一項(xiàng)相對較新的技術(shù)，因此其實(shí)際實(shí)施會(huì)帶來某些挑戰(zhàn)。

大量高質(zhì)量的數(shù)據(jù)

在大量高質(zhì)量數(shù)據(jù)上訓(xùn)練深度學(xué)習(xí)算法時(shí)，可以獲得更好的效果。輸入數(shù)據(jù)集中的異常值或錯(cuò)誤會(huì)顯著影響深度學(xué)習(xí)過程。例如，在我們的動(dòng)物圖像示例中，如果數(shù)據(jù)集中意外引入了非動(dòng)物圖像，深度學(xué)習(xí)模型可能會(huì)將飛機(jī)歸類為海龜。

為避免此類錯(cuò)誤，必須先清理和處理大量數(shù)據(jù)，然后再訓(xùn)練深度學(xué)習(xí)模型。輸入數(shù)據(jù)預(yù)處理需要大量的數(shù)據(jù)存儲(chǔ)容量。

處理能力強(qiáng) 

深度學(xué)習(xí)算法是計(jì)算密集型的，需要具有足夠計(jì)算能力的基礎(chǔ)設(shè)施才能正常運(yùn)行。否則，它們需要很長的時(shí)間來處理結(jié)果。 

云端深度學(xué)習(xí)有哪些好處？

在云基礎(chǔ)架構(gòu)上運(yùn)行深度學(xué)習(xí)算法可以克服其中的許多挑戰(zhàn)。您可以使用云中的深度學(xué)習(xí)更快地設(shè)計(jì)、開發(fā)和訓(xùn)練深度學(xué)習(xí)應(yīng)用程序。 

速度

您可以使用 GPU 和 CPU 集群來執(zhí)行神經(jīng)網(wǎng)絡(luò)所需的復(fù)雜數(shù)學(xué)運(yùn)算，從而更快地訓(xùn)練深度學(xué)習(xí)模型。然后，您可以部署這些模型來處理海量數(shù)據(jù)，并生成相關(guān)性越來越高的結(jié)果。

可擴(kuò)展性

使用通過云提供的廣泛的按需資源，您可以訪問幾乎無限的硬件資源來處理任何規(guī)模的深度學(xué)習(xí)模型。您的神經(jīng)網(wǎng)絡(luò)可以利用多個(gè)處理器，在不同類型和數(shù)量的處理器之間無縫、高效地分配工作負(fù)載。

本文標(biāo)題：什么是深度學(xué)習(xí)？深度學(xué)習(xí)的工作原理

本文鏈接：http://www.yangziriver.cn/zhineng/1023.html
[版權(quán)聲明]除非特別標(biāo)注，否則均為本站原創(chuàng)文章，轉(zhuǎn)載時(shí)請以鏈接形式注明文章出處。