深度学习
使用多层神经网络从原始数据中学习表征的机器学习。
概览
深度学习通过训练具有多层的神经网络，使网络自行发现特征，而无需依赖人工设计的特征。它解决了特征工程难以规模化的问题：对于图像、音频和文本，有用的特征难以明确指定，却易于学习。它之所以存在，是因为更多的层加上更多的数据再加上更多的算力，在几乎每一项感知任务上都胜过了精心设计的特征。
技术图谱
深度学习 如何与技术栈的其他部分相连。
使用与依赖
- Machine Learning concept Algorithms 深度学习 based on Machine Learning High ✓ source
应用于
- Dropout technique Techniques Dropout used for 深度学习 High ✓ source
- GELU concept Algorithms GELU used for 深度学习 High ✓ source
- GPU hardware Hardware GPU used for 深度学习 High ✓ source
- JAX framework Frameworks JAX used for 深度学习 Medium ✓ source
- Layer Normalization concept Algorithms Layer Normalization used for 深度学习 High ✓ source
- PyTorch framework Frameworks PyTorch used for 深度学习 High ✓ source
- Residual Connection concept Algorithms Residual Connection used for 深度学习 High ✓ source
- TPU hardware Hardware TPU used for 深度学习 High ✓ source
- TensorFlow framework Frameworks TensorFlow used for 深度学习 High ✓ source
- Triton Inference Server tool Infrastructure Triton Inference Server used for 深度学习 High ✓ source