三维点云学习(5)1-introduction on to Deep learning

人工智能、机器学习、深度学习
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

深度学习概述

在这里插入图片描述
预测房价例子:
在这里插入图片描述
计算Wt未知参数
梯度下降法 Gradient Descent
在这里插入图片描述
gama:步长,深度学习选gama就是优化器参数
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
线性模型优化步骤,w优化的参数
在这里插入图片描述
在这里插入图片描述
神经元的Activation Function 将线性模型转化为非线性模型
在这里插入图片描述
MLP 解决非线性模型:
在这里插入图片描述
Softmax:
score -> probabilities
在这里插入图片描述
MLP:(Multi-Layer Perceptron)
在这里插入图片描述
线性模型的局限性:
XOR 异或就不能用线性模型来模拟表示
在这里插入图片描述
Activation Function 激活函数
在这里插入图片描述
使用了 Actibation Function后,MLP就可称为 Fully Connecte Network (FC)全连接网络
在这里插入图片描述
在这里插入图片描述
CNN 卷积神经网络
在这里插入图片描述
1D Convolution
Receptive field 感知域
在这里插入图片描述
CNN vs MLP
在这里插入图片描述
Padding
在这里插入图片描述
Stride:更小的计算量,获得更大的感知域
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2D Convolution
在这里插入图片描述
在这里插入图片描述
不同卷积和,可以产生不一样的特征
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
3D Convolution
在这里插入图片描述

Logo

CSDN联合极客时间,共同打造面向开发者的精品内容学习社区,助力成长!

更多推荐