神经网络与深度学习-邱锡鹏-学习笔记1.绪论

 

 

 

注解：

1.在一个复杂系统中，每个模块对最终做出的决策的贡献是多少。

2.现在深度学习主要的模型是神经网络。

 

 

 

 

注解：

1.概率图模型：试图以概率问题去建模各式各样的问题。

 

 

 注解：

1.逻辑回归和softmax回归在后面的5个非线性分类器中能用到。

 

 注解：

1.github上有配套练习的答案，有些是网友提供的。

2.《模式识别和机器学习》是深度学习的圣经。

 

 

 

 

 

 注解：

1.分布式计算值得是在多个机器或多个GPU显卡上运行代码。

2.tensorflow适用的情况是网络结果是静态的，网络设计好之后在运行的过程中就不能发生变化了。

3.pytorch可以适用动态图情况----网络的结构在运算的过程中可能会实时改变，或者需要实时改变。