知识卡片
深层网络逐层学习表示
表示是模型用来处理输入的一组数值特征。人工特征工程需要先规定提取规则,深层网络则把多次可训练变换串联起来,逐层组合较初级的特征。以图像分类作演示,早层可以对边缘作出响应,后层将若干响应合成更复杂的模式。学习到的中间特征通常缺少直接的人类标签,仍需用独立数据验证有效性。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 一入侯门“深”似海,深度学习深几许 1.5 什么是深度学习 · 查看原书依据
它通过组合低层特征,形成更为抽象的高层表示,用以描述被识别对象的高级属性类别或特征。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第01章《一入侯门“深”似海,深度学习深几许》,1.5 什么是深度学习(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter6_0005.xhtml#txt001_6)
- 结论依据:本节从特征工程切到可学习的表示,并用低层特征组成高层表示来解释网络加深的用途。
- 原始内容:它通过组合低层特征,形成更为抽象的高层表示,用以描述被识别对象的高级属性类别或特征。