“深度学习”版本间的差异
来自iCenter Wiki
（→四个层面） |
|||
| 第37行： | 第37行： | ||
* 底层硬件 | * 底层硬件 | ||
: 可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集 | : 可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集 | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
== 国际研究 == | == 国际研究 == | ||
| 第93行： | 第88行： | ||
[http://www.paddlepaddle.org/ PaddlePaddle] | [http://www.paddlepaddle.org/ PaddlePaddle] | ||
([https://github.com/PaddlePaddle/Paddle Source Code]) | ([https://github.com/PaddlePaddle/Paddle Source Code]) | ||
| + | |||
| + | = 阅读材料 = | ||
| + | |||
| + | [[深度学习-入门导读]] | ||
2017年11月23日 (四) 01:49的版本
深度学习的定义
深度学习（Deep Learning）是深度神经网络的另一种名称。
深度学习，机器学习中一种基于对数据进行表征学习的方法，试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。
本页面介绍深度学习相关的背景知识。
深度神经网络
深度神经网络，Deep Neural Networks，简称DNN。
智能与神经科学，深度学习借鉴神经科学的发现。
卷积神经网络，Convolutional Neural Networks，简称CNN。
循环神经网络，Recurrent Neural Networks，简称RNN。
历史：The rebirth of neural networks, ISCA 2010. Rebirth_NN
四个层面
- 目标与功能
- 语音识别、机器视觉、自然语言理解
- 智能问答是综合以上功能的高级系统
- 核心技术
- 特定算法、机器学习算法、深度神经网络
- 软件框架
- TensorFlow /pyTorch /Torch /Caffe /Theano
- 底层硬件
- 可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集
国际研究
Facebook AI Research (FAIR) (Yann LeCun)
MSR Deep Learning Technology Center (DLTC) (Li Deng)
框架工具
Microsoft
Université de Montréal
Baidu
