深度學習講座

深度學習某些應用

利用深度學習網絡的架構能夠作不少有趣的研究.

好比對給定的圖片生成一段文字，利用圖片之間的語義相關距離找出相似的圖片，利用深度學習自動的根據訓練樣本判斷出魚的不一樣種類，自動根據魚的圖片生成魚的長度，蛋白質結構的重構和補全。等等。

不少深度學習框架的底層都是基於GPU運算的，經過GPU能夠加速深度學習的過程，能夠將GPU視爲深度學習的引擎。

深度神經網絡（Deep Neural Networks）以及迴歸神經網絡(Recurrent Neural Networks)經常被應用到圖像處理領域。

深度學習的架構

根據整個深度學習的架構演進從低到高，分別包括如下三個層面：

• 1. Nvidia DL stack則從底層硬件的層面實現了深度學習的硬件架構,
• 2. 軟件層面則有CUDA-Basic Parallel Programming Toolkit.
• 3. 繼續向上層考慮，則有Caffe, Torch,Theano等深度學習框架。

提到了一個有趣的應用就是根據可穿戴設備的傳感器，採集到人的一些健康相關的數據，首先通過傳感數據清洗，獲得例如呼吸頻率等一維信息，而後經過FFT將一維的信號轉換到二維的頻域，生成2-D的頻譜圖像.從而將本來不是圖像的問題轉換成相似於圖像的問題進行處理.這是一個具備創新點的想法.

最後的目標是實現Autoencoder DNN for self-taught feature learning.