計算機視覺-深度學習與傳統神經網絡的區別

與傳統神經網絡的區別 區別 神經網絡 深度學習 網絡架構 3層以內 可達上千層 層間連接 通常全連接 形式多樣:共享權值、跨層的反饋 目標函數 MSE(mean square error) CE(cross entropy) 激活函數 Sigmoid ReLU 梯度下降方法 GD Adam 避免過適應 憑經驗 Dropout 目標函數 Softmax層 Softmax層的作用是突出 「最大值」並轉

>>阅读原文<<