首页 欧洲联赛正文

钟楚曦,看懂这十步,8岁的小朋友都能理解深度学习,village

作者 Jean-Louis Queguine

郭一璞 编译

在对技能毫无了解的人看来,人工智能是什么?

《漂泊地球》里的AI语音帮手MOSS么?仍是《终结者》里的天网?

假如对当今人工智能的干流技能——深度学习没有了解,或许真的会有人觉得,当时的科学家们在发明无所不能、一窍不通的电影AI形象。

那么,怎么用最粗浅的办法,给群众解说什么是深度学习呢?

法国博主Jean-Louis Queguiner撰写了这篇《给我8岁的女儿解说深度学习》,以用深度学习技能建立辨认手写数字的神经网络为例,用明晰的办法,解说了深度学习的原理。

王沁园
钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,village 0x8007045b
欧美天体 钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,village

这些数字每个人的写法都不相同,要怎么让计算机判别出这些手写体数字是几呢?

1、和数数相同简略

首要,考虑到0~9这十个数字,本身也是存在各种笔画的,那咱们就拆解开来,看每个手写体数字里,有多少横钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,village竖撇捺,弯曲弯弯。青占鱼为什么廉价

左面竖着的一列是是个数字,上方横着的赤色字符则是拆解出来的笔画,用这个表格,来计算每个字符里有多少个相应的笔画。

现在,咱们来写一些新的数字,然后数一数,这些新写的数字里,有重生之袁三令郎多少个赤色的笔画,和上方的表格比照一下,就能判别出这些新写的数字是几了。

比方,第一个数字里,有一个“ / ”,一个“丨”,咱们发现有这种特征的,是“1”这个数字,并且完全契合,那第一个数字便是“1”。

第二个数字,上下左右半圆各有2个,别的还有一个“ / ”,一个“丨”,总共10个笔画。比较之下,会发现上表中的数字“8”有8个笔画风王TIP契合,数字“9”有6个笔画契合,那么这第二个数字便是“8”。

看懂这一步,那祝贺你现已建立了世界上最简略的辨认手写数字神经网络。

2、图画即矩阵

矩阵这个概念,大部分8岁的小学生肯定是没学过的,能够简略的了解为一串反正的格子里,每个放一个数。

关于计算机来说,每张相片都是纤细的像素组成的,这些像素排列成矩阵格子,每个格子一个色彩,拼起来便是一副图画。

比方这些红红绿绿的格子,你缩小来看,本来是一张草莓图片的一部分。

而色彩,关于计算机来说,正是用数表明的,草莓图片中五颜六色的色彩是红绿蓝三种色光,各自有一个数,总共三个数;而手写数字都是是非的,只需一个数,0表明纯黑色,255表明纯白色,两者中心的数则是灰色,数字越小色彩越深,数字越大色彩越浅。

所以,看这个手写数字,总共28行28列,784个像素格子,没有笔画的黑色格子便是0,有笔画的部分,笔画中心是更浅的白色,数字在一两百左右,笔画边际则是灰色,数字只要几十,这钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,village就构成了这个手写数字的矩阵。

3、卷积层:找到笔画概括

现在,咱们知道了图片的每个像素格子都是数字,但怎么找出这些数字中的笔画呢?

深度学习的神经网络是有许多许多“层”组成的,找概括这一步需求用到卷积层,本质上便是在前面用数字表明的图画上加一个过滤谢松锤器,把没有笔画的部分过滤掉,留下有笔画的部分。

过滤器就像下面这个玩具相同,辨认出图画的概括,如吴浈保护伞果概括匹配,就能够放进盒子里,概括不匹配,那就放不进去,三角形的过滤器匹配三角形的木块,正方形的过滤器匹配正方形的木块

4、独立过滤

过滤器过滤的进程就像这张动画相同,每一次扫描都是独立的,所以能够一起进行许屡次扫描,每次扫描互不搅扰。

5、重复卷积

前面的进程,是咱们的手写数字图画被多个过滤器过滤,可是为了进步准确性,只需把前一次过滤的图画再拿来过滤就好了,用的过滤器越多,过滤的次数越多,效果越准确。

并且,由于手写的数字并不像玩具中的三角形、五角星相同规整,每个人写数字“8”都或许写成不同的姿态,因而笔画的布局都不相同。

为了让过滤出来的笔画更明晰,需求不断创立新的过赵灵柳滤器,直到过滤器被准确到咱们前面看到的那些赤色反正撇捺半圆的形状。

6、卷积:乘法和加法

但过滤中洁茹详细的扫描进程是怎样的呢?

日本同性恋

触及到卷积运算,比方下图,左面是一张88的图画,中心是一个33的卷积滤波器,33的格子在88的图画上逐个移动,挨个进行卷积。

这儿钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,village,需求告知咱们卷积是怎样算的。比方上图,左面的33格子的左上角是3,中心卷积过滤器的左上角是黄金厕纸-1,那就需求把3和-1乘起来,得到-3。以此类推,同一方位的两个数相乘,得到9个乘积,再把9个乘积加起来,得到-3,便是卷积的效果。

当然,图上这个比方中触及了负数,假如小朋友还没有学会负数的运算,能够先不要理它,作为一个整数就好啦。

7、池化层:把图片变小,易于总结

经过了钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,village杂乱的卷积进程,咱们现在需求进行总结采样,首要要把矩阵缩小,这儿用到的是池化层

比方,把四个格子缩成一个格子,能够取四个格子的最大值、最小值、平均值、求和等,这样矩阵的巨细就只要本来的四分之一了。

8、神经网络

咱们整个进程,是为了辨认手写的数字是几,这个进程叫抗日之铁苦战王做图画分类,由于数字只要10个,所以需求把每个不同的手写数字分到0~9十类中。

经过了上面的多层处理,现在需求把它放进类中,需求预备10个神经元,每个代表一类,衔接到最终一个池化层之后。

下面是Yann LeCun规划的最早的LeNet-5卷积神经网络,这是图画辨认范畴的几个前期效果之一。

9、靠反向传达完结自我改善

不过,整个进程不只靠卷积完结,还需求依托神经网络本身学习和习惯的才能,比方凭借一种叫做反向传达的办法,靠权重来削减神经元的数量。

简略来讲,咱们看神经网络的输出的效果,假如输出的这个分类是错的,比方把手写的6认成了9,咱们就以为,其中有一个过滤器犯了个过错,是个不靠谱的过滤器,担不起自己的mm4丢失暗码职责,就把它的权重下降,下次神经网络就微小兔不会犯相同的过错了。

这样,整个神经网络系统就具有了学习才能,坚持自我提高。

10、写在最终

找了数千张图片,运转了数十个过滤器,采样输出……一切的过程都能够完美的一起搞定,因而适合在GPU上运转。

别的,咱们还没有评论准确率的问题,在图画辨认比赛Imag米高诺斯岛eNet中,依据历年的效果,咱们能够看出,跟着神经网络层数的添加,准确率在不断提高。

最终,本文讲得虽然是辨认手写字母,但一切的图画辨认,无论是用于医疗仍是用于自动驾驶,原理都是相同的,靠很多层神经网络、各种滤波器,在不同的矩阵错爱邪魅总裁上做各种改换。

也便是说,一切图画辨认都是在GPU上运转的矩阵运算。

传送门

英文原文:

htt钟楚曦,看懂这十步,8岁的小朋友都能了解深度学习,villageps://www.ovh.com/blog/deep-learning-explained-to-my-8-year-old-daughter/

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

米奇妙妙屋,中文天地出版传媒集团股份有限公司关于回购股份比例达到1%暨回购进展的公告,大护法