Clàr-innse[Falaich][Seall]
- 1. Dè dìreach a th' ann an Deep Learning?
- 2. Dè a tha ag eadar-dhealachadh ionnsachadh domhainn bho ionnsachadh inneal?
- 3. Dè an tuigse a th' agad an-dràsta air lìonraidhean neural?
- 4. Dè dìreach a th' ann an perceptron?
- 5. Dè dìreach a th’ ann an lìonra neural domhainn?
- 6. Dè dìreach a th' ann an Perceptron Multilayer (MLP)?
- 7. Dè an adhbhar a tha gnìomhan gnìomhachaidh a' cluich ann an lìonra neural?
- 8. Dè dìreach a th' ann an teàrnadh caisead?
- 9. Dè dìreach a tha ann an gnìomh cosgais?
- 10. Ciamar as urrainn do lìonraidhean domhainn a bhith nas fheàrr na lìonraidhean eu-domhainn?
- 11. Thoir cunntas air iomadachadh air adhart.
- 12. Dè a th 'ann an backpropagation?
- 13. Ann an co-theacs ionnsachadh domhainn, ciamar a thuigeas tu bearradh caisead?
- 14. Dè a th 'ann an gnìomhan Softmax agus ReLU?
- 15. An urrainnear modal lìonra neòil a thrèanadh leis a h-uile cuideam air a shuidheachadh gu 0?
- 16. Dè a tha ga eadar-dhealachadh eadar àm agus baidse agus ath-aithris?
- 17. Dè a th 'ann an Normalachadh Baidse agus Dropout?
- 18. Dè a tha a 'sgaradh teàrnadh caisead stochastic bho shliochd caisead baidse?
- 19. Carson a tha e deatamach a bhith a’ toirt a-steach neo-loidhneach ann an lìonraidhean neural?
- 20. Dè a th' ann an tensor ann an ionnsachadh domhainn?
- 21. Ciamar a roghnaicheadh tu gnìomh gnìomhachaidh airson modal ionnsachaidh domhainn?
- 22. Dè tha CNN a’ ciallachadh?
- 23. Dè na h-iomadh sreathan CNN a th' ann?
- 24. Dè a' bhuaidh a th' aig cus agus mì-fhreagarrachd, agus ciamar as urrainn dhut an seachnadh?
- 25. Ann an ionnsachadh domhainn, dè a th' ann an RNN?
- 26. Thoir cunntas air an Adam Optimizer
- 27. Autoencoders domhainn: dè a th’ annta?
- 28. Dè tha Tensor a' ciallachadh ann an Tensorflow?
- 29. Mìneachadh air graf àireamhachd
- 30. Lìonraidhean nàimhdeil ginealach (GANs): dè a th' annta?
- 31. Ciamar a roghnaicheas tu an àireamh de neurons agus sreathan falaichte airson an toirt a-steach don lìonra neural fhad ‘s a tha thu a’ dealbhadh an ailtireachd?
- 32. Dè an seòrsa lìonraidhean neural a tha air an cleachdadh le ionnsachadh neartachaidh domhainn?
- Co-dhùnadh
Chan e beachd ùr a th’ ann an ionnsachadh domhainn. Tha lìonraidhean neural fuadain mar an aon bhunait den fho-sheata ionnsachaidh inneal ris an canar ionnsachadh domhainn.
Tha ionnsachadh domhainn mar ìomhaigh eanchainn daonna, dìreach mar a tha lìonraidhean neural, mar a chaidh an cruthachadh gus atharrais a dhèanamh air eanchainn an duine.
Tha seo air a bhith ann airson greis. An-diugh, tha a h-uile duine a’ bruidhinn mu dheidhinn leis nach eil faisg air uimhir de chumhachd giullachd no dàta againn ’s a tha againn an-dràsta.
Thairis air an 20 bliadhna a dh’ fhalbh, tha ionnsachadh domhainn agus ionnsachadh innealan air nochdadh mar thoradh air an àrdachadh mòr ann an comas giullachd.
Gus do chuideachadh le bhith ag ullachadh airson ceistean sam bith a dh’ fhaodadh a bhith ort nuair a tha thu a’ coimhead airson an obair aisling agad, bheir an dreuchd seo thu tro ghrunn cheistean agallaimh ionnsachadh domhainn, bho shìmplidh gu toinnte.
1. Dè dìreach a th' ann an Deep Learning?
Ma tha thu an làthair a ionnsachadh domhainn agallamh, chan eil teagamh nach eil thu a’ tuigsinn dè a th’ ann an ionnsachadh domhainn. Tha an neach-agallaimh, ge-tà, an dùil gun toir thu seachad freagairt mhionaideach còmhla ri dealbh mar fhreagairt don cheist seo.
Airson trèanadh lìonraidhean neònach airson ionnsachadh domhainn, feumar tomhas mòr de dhàta eagraichte no neo-structaraichte a chleachdadh. Gus pàtrain agus feartan falaichte a lorg, bidh e a’ dèanamh mhodhan iom-fhillte (mar eisimpleir, ag eadar-dhealachadh ìomhaigh cat bho ìomhaigh cù).
2. Dè a tha ag eadar-dhealachadh ionnsachadh domhainn bho ionnsachadh inneal?
Mar mheur de dh’ inntleachd fuadain ris an canar ionnsachadh innealan, bidh sinn a’ trèanadh choimpiutairean a’ cleachdadh dàta agus dòighean staitistigeil agus algorithmach gus am fàs iad nas fheàrr thar ùine.
Mar thaobh de ionnsachadh innealan, tha ionnsachadh domhainn a’ dèanamh atharrais air an ailtireachd lìonra neural a chithear ann an eanchainn an duine.
3. Dè an tuigse a th' agad an-dràsta air lìonraidhean neural?
Tha siostaman fuadain ris an canar lìonraidhean neural coltach gu dlùth ris na lìonraidhean neural organach a lorgar ann am bodhaig an duine.
A’ cleachdadh innleachd a tha coltach ri mar a tha an eanchainn daonna gnìomhan, tha lìonra neural na chruinneachadh de algorithms a tha ag amas air co-dhàimhean bunaiteach ann am pìos dàta a chomharrachadh.
Bidh na siostaman sin a’ faighinn eòlas a tha sònraichte do ghnìomhan le bhith gan nochdadh fhèin do raon de stòran-dàta agus eisimpleirean, seach a bhith a’ leantainn riaghailtean a tha sònraichte do ghnìomhachd.
Is e am beachd, an àite tuigse ro-phrògramaichte a bhith aige air na stòran-dàta sin, gu bheil an siostam ag ionnsachadh feartan eadar-dhealaichte bhon dàta a thèid a bhiadhadh.
Tha na trì sreathan lìonraidh as cumanta air an cleachdadh ann an Neural Networks mar a leanas:
- Sreath cuir a-steach
- Sreath falaichte
- Sreath toraidh
4. Dè dìreach a th' ann an perceptron?
Tha an neuron bith-eòlasach a lorgar san eanchainn daonna an coimeas ri perceptron. Tha an perceptron a’ faighinn a-steach ioma-chuir a-steach, a bhios an uairsin a’ coileanadh iomadh cruth-atharrachadh agus gnìomh agus a’ toirt a-mach toradh.
Tha modail sreathach ris an canar perceptron air a chleachdadh ann an seòrsachadh binary. Bidh e coltach ri neuron le measgachadh de chuir a-steach, gach fear le cuideam eadar-dhealaichte.
Bidh an neuron a’ tomhas gnìomh a’ cleachdadh na cuir a-steach cuideam sin agus a’ toirt a-mach na toraidhean.
5. Dè dìreach a th’ ann an lìonra neural domhainn?
Tha lìonra neural domhainn na lìonra neural fuadain (ANN) le grunn shreathan eadar na sreathan cuir a-steach agus toraidh (DNN).
Tha lìonraidhean neural domhainn nan lìonraidhean neural ailtireachd domhainn. Tha am facal “domhainn” a’ toirt iomradh air gnìomhan le mòran ìrean agus aonadan ann an aon shreath. Faodar modalan nas cruinne a chruthachadh le bhith a’ cur barrachd is sreathan nas motha ris gus ìrean nas àirde de phàtranan a ghlacadh.
6. Dè dìreach a th' ann an Perceptron Multilayer (MLP)?
Tha sreathan cuir a-steach, falaichte agus toraidh an làthair ann am MLPn, gu math coltach ri lìonraidhean neural. Tha e air a thogail san aon dòigh ri perceptron aon-fhillte le aon no barrachd sreathan falaichte.
Chan urrainn do thoradh binary perceptron aon-fhillte ach clasaichean sreathach a ghabhas sgaradh (0,1) a sheòrsachadh, ach faodaidh MLP clasaichean neo-loidhneach a sheòrsachadh.
7. Dè an adhbhar a tha gnìomhan gnìomhachaidh a' cluich ann an lìonra neural?
Bidh gnìomh gnìomhachaidh a’ dearbhadh am bu chòir neuron a chuir an gnìomh aig an ìre as bunaitiche. Faodaidh gnìomh gnìomhachaidh sam bith gabhail ri suim cuideam nan cuir a-steach a bharrachd air claonadh mar chur-a-steach. Tha gnìomhan gnìomhachaidh a’ toirt a-steach gnìomh ceum, an Sigmoid, an ReLU, an Tanh, agus an Softmax.
8. Dè dìreach a th' ann an teàrnadh caisead?
Is e teàrnadh caisead an dòigh as fheàrr airson gnìomh cosgais no mearachd a lughdachadh. Is e an amas a bhith a’ lorg minima ionadail-cruinneil gnìomh. Tha seo a’ sònrachadh an t-slighe a bu chòir don mhodail a leantainn gus mearachd a lughdachadh.
9. Dè dìreach a tha ann an gnìomh cosgais?
Is e meatrach a th’ anns a’ ghnìomh cosgais gus measadh a dhèanamh air dè cho math ‘s a tha do mhodail a’ coileanadh; tha e uaireannan air ainmeachadh mar “call” no “mearachd.” Nuair a bhios tu a’ dèanamh cùl-raon, tha e air a chleachdadh gus mearachd an t-sreath toraidh obrachadh a-mach.
Bidh sinn a’ gabhail brath air a’ mhearachd sin gus pròiseasan trèanaidh an lìonra neural adhartachadh le bhith ga phutadh air ais tron lìonra neural.
10. Ciamar as urrainn do lìonraidhean domhainn a bhith nas fheàrr na lìonraidhean eu-domhainn?
Bithear a’ cur sreathan falaichte ri lìonraidhean neural a bharrachd air sreathan cuir a-steach is toraidh. Eadar na sreathan cuir a-steach agus toraidh, bidh lìonraidhean neural eu-domhainn a’ cleachdadh aon ìre falaichte, ach bidh lìonraidhean neural domhainn a’ cleachdadh grunn ìrean.
Feumaidh lìonra eu-domhainn grunn pharaimearan gus a bhith comasach air freagairt a-steach do dhleastanas sam bith. Faodaidh lìonraidhean domhainn a bhith nas freagarraiche airson gnìomhan eadhon le àireamh bheag de pharamadairean leis gu bheil iad a’ toirt a-steach grunn shreathan.
Is fheàrr le lìonraidhean domhainn a-nis air sgàth cho sùbailteachd ‘s a tha iad ann a bhith ag obair le seòrsa sam bith de mhodaladh dàta, ge bith an ann airson cainnt no aithneachadh dhealbhan.
11. Thoir cunntas air iomadachadh air adhart.
Bithear a’ toirt a-steach cuir a-steach còmhla ri cuideaman chun t-sreath tiodhlaichte ann am pròiseas ris an canar gluasad air adhart.
Tha toradh a’ ghnìomh gnìomhachaidh air a thomhas anns a h-uile ìre tiodhlaichte mus urrainn giollachd a dhol air adhart chun t-sreath a leanas.
Bidh am pròiseas a’ tòiseachadh aig an ìre cuir a-steach agus a’ dol air adhart chun ìre toraidh mu dheireadh, mar sin an t-ainm air adhart iomadachadh.
12. Dè a th 'ann an backpropagation?
Nuair a thèid cuideaman agus claonaidhean atharrachadh anns an lìonra neural, thathas a’ cleachdadh cùl-raon gus gnìomh cosgais a lughdachadh le bhith a’ coimhead an-toiseach mar a bhios an luach ag atharrachadh.
Le bhith a’ tuigsinn caisead gach sreath falaichte tha e furasta an t-atharrachadh seo obrachadh a-mach.
Bidh am pròiseas, ris an canar backpropagation, a’ tòiseachadh aig an ìre toraidh agus a’ gluasad air ais gu na sreathan cuir a-steach.
13. Ann an co-theacs ionnsachadh domhainn, ciamar a thuigeas tu bearradh caisead?
Tha bearradh caisead na dhòigh air fuasgladh fhaighinn air cùis caiseadan spreadhaidh a thig am bàrr nuair a bhios iad a’ gluasad air ais (suidheachadh anns am bi caiseadan mòra ceàrr a’ cruinneachadh thar ùine, a’ leantainn gu atharrachaidhean mòra air cuideaman modail lìonra neural rè trèanadh).
Tha caiseadan spreadhaidh na chùis a dh’ èiricheas nuair a dh’ fhàsas na caiseadan ro mhòr rè an trèanaidh, a’ fàgail a’ mhodail neo-sheasmhach. Ma tha an caisead air a dhol thairis air an raon ris a bheil dùil, thèid na luachan caisead a phutadh eileamaid-air-eileamaid gu luach as ìsle no as àirde ro-mhìnichte.
Bidh bearradh caisead a’ cur ri seasmhachd àireamhach lìonra neòil rè trèanadh, ach chan eil ach glè bheag de bhuaidh aige air coileanadh a’ mhodail.
14. Dè a th 'ann an gnìomhan Softmax agus ReLU?
Tha gnìomh gnìomhachaidh ris an canar Softmax a' toirt a-mach toradh anns an raon eadar 0 agus 1. Tha gach toradh air a roinn gus am bi suim nan toraidhean gu lèir mar aon. Airson sreathan toraidh, bidh Softmax gu tric air a chleachdadh.
Is e Aonad Sreathach Ceartaichte, ris an canar uaireannan ReLU, an gnìomh gnìomhachaidh as motha a chleachdar. Ma tha X dearbhach, bheir e a-mach X, air neo bheir e a-mach neoni. Bidh ReLU air a chuir an sàs gu cunbhalach air sreathan tiodhlaichte.
15. An urrainnear modal lìonra neòil a thrèanadh leis a h-uile cuideam air a shuidheachadh gu 0?
Chan ionnsaich an lìonra neural gu bràth obair shònraichte a choileanadh, agus mar sin chan eil e comasach modal a thrèanadh le bhith a’ tòiseachadh a h-uile cuideam gu 0.
Fuirichidh na toraidhean mar an ceudna airson gach cuideam ann an W [1] ma thèid a h-uile cuideam a thòiseachadh gu neoni, agus mar thoradh air sin bidh neurons ag ionnsachadh na h-aon fheartan gu ath-aithriseach.
Chan e dìreach a bhith a’ tòiseachadh nan cuideaman gu 0, ach gu cruth sam bith de sheasmhachd dualtach toradh subpar a thoirt gu buil.
16. Dè a tha ga eadar-dhealachadh eadar àm agus baidse agus ath-aithris?
Tha diofar dhòighean air dàta giollachd agus dòighean teàrnaidh caisead a’ toirt a-steach baidse, iteration, agus epoch. Tha Epoch a’ toirt a-steach lìonra neural aon-troimhe le làn sheata dàta, an dà chuid air adhart agus air ais.
Gus toraidhean earbsach a thoirt seachad, bidh an dàta gu tric air a dhol seachad grunn thursan leis gu bheil e ro mhòr airson a thoirt seachad ann an aon oidhirp.
Thathas a’ toirt iomradh air a’ chleachdadh seo de bhith a’ ruith beagan de dhàta tro lìonra neural mar ath-aithris. Gus dèanamh cinnteach gu bheil an seata dàta a’ dol thairis air na lìonraidhean neural gu soirbheachail, faodar a roinn ann an grunn batches no fo-sheataichean, ris an canar batching.
A rèir meud cruinneachadh an dàta, tha na trì dòighean - epoch, iteration, agus meud baidse - gu ìre mhòr nan dòighean air an algorithm teàrnadh caisead.
17. Dè a th 'ann an Normalachadh Baidse agus Dropout?
Bidh Dropout a ’cur casg air cus dàta le bhith a’ toirt air falbh aonadan lìonra faicsinneach agus falaichte (mar as trice a ’leigeil sìos 20 sa cheud de na nodan). Bidh e a’ dùblachadh na h-àireimh de dh’ itealain a dh’fheumar gus an lìonra a thoirt còmhla.
Le bhith a’ gnàthachadh na cuir a-steach anns gach còmhdach gus am bi gnìomhachd toraidh cuibheasach de neoni agus claonadh àbhaisteach de aon, tha gnàthachadh baidse na ro-innleachd gus coileanadh agus seasmhachd lìonraidhean neural àrdachadh.
18. Dè a tha a 'sgaradh teàrnadh caisead stochastic bho shliochd caisead baidse?
Teàrnadh caisead baidse:
- Bithear a’ cleachdadh an dàta iomlan gus an caisead airson a’ bhaidse caisead a thogail.
- Tha an àireamh mhòr de dhàta agus na cuideaman ag ùrachadh mean air mhean ga dhèanamh duilich co-ghluasad.
Teàrnadh caisead Stochastic:
- Bidh an caisead stochastic a’ cleachdadh aon sampall gus an caisead a thomhas.
- Mar thoradh air na h-atharrachaidhean cuideam nas trice, bidh e a’ tighinn còmhla gu math nas luaithe na caisead baidse.
19. Carson a tha e deatamach a bhith a’ toirt a-steach neo-loidhneach ann an lìonraidhean neural?
Ge bith cia mheud sreath a th’ ann, giùlainidh lìonra neural mar perceptron às aonais neo-loidhneachd, a’ fàgail gu bheil an toradh gu sreathach an urra ris an cuir a-steach.
Gus a chuir ann an dòigh eile, tha lìonra neural le n fillidhean agus m aonadan falaichte agus gnìomhan gnìomhachaidh sreathach co-ionann ri lìonra neural sreathach às aonais sreathan falaichte agus leis a’ chomas crìochan dealachaidh sreathach a lorg a-mhàin.
Às aonais neo-loidhneachd, chan urrainn do lìonra neural fuasgladh fhaighinn air cùisean iom-fhillte agus an cuir a-steach a sheòrsachadh gu ceart.
20. Dè a th' ann an tensor ann an ionnsachadh domhainn?
Tha raon ioma-thaobhach ris an canar tensor a’ frithealadh mar choitcheannachadh de mhatrices agus vectaran. Tha e na structar dàta deatamach airson ionnsachadh domhainn. Thathas a’ cleachdadh arrays N-dimensional de sheòrsan dàta bunaiteach gus tensors a riochdachadh.
Tha an aon sheòrsa dàta aig gach pàirt den tensor, agus tha an seòrsa dàta seo an-còmhnaidh aithnichte. Tha e comasach nach eil fios ach pìos den chumadh - is e sin, cia mheud tomhas a th 'ann agus dè cho mòr' sa tha gach fear.
Ann an suidheachaidhean far a bheil fios gu tur air na cuir a-steach, bidh a’ mhòr-chuid de ghnìomhachd a’ toirt a-mach tensors làn aithnichte; ann an cùisean eile, chan urrainnear cruth tensor a stèidheachadh ach nuair a thèid graf a dhèanamh.
21. Ciamar a roghnaicheadh tu gnìomh gnìomhachaidh airson modal ionnsachaidh domhainn?
- Tha e ciallach gnìomh gnìomh sreathach a chleachdadh ma tha an toradh ris am feumar a bhith an dùil.
- Bu chòir gnìomh Sigmoid a chleachdadh ma tha an toradh a dh’ fheumar a ro-innse na choltas clas dà-chànanach.
- Faodar gnìomh Tanh a chleachdadh ma tha dà sheòrsachadh anns an toradh ro-mheasta.
- Leis gu bheil e furasta obrachadh a-mach, tha gnìomh ReLU iomchaidh ann an raon farsaing de shuidheachaidhean.
22. Dè tha CNN a’ ciallachadh?
Tha lìonraidhean neural domhainn a tha gu sònraichte a’ luachadh ìomhaighean lèirsinneach a’ toirt a-steach lìonraidhean neural convolutional (CNN, no ConvNet). An seo, seach ann an lìonraidhean neural far a bheil vectar a’ riochdachadh an cuir a-steach, is e dealbh ioma-seanail a th’ anns an cuir a-steach.
Bithear a’ cleachdadh perceptrons ioma-fhilleadh ann an dòigh shònraichte le CNNn a dh’ fheumas glè bheag de ro-phròiseasadh.
23. Dè na h-iomadh sreathan CNN a th' ann?
Sreath convolutional: Is e am prìomh shreath an ìre convolutional, anns a bheil measgachadh de shìoltachain a ghabhas ionnsachadh agus raon gabhail. Bidh a’ chiad ìre seo a’ toirt an dàta a-steach agus a’ toirt a-mach na feartan aige.
Sreath ReLU: Le bhith a’ dèanamh nan lìonraidhean neo-loidhneach, bidh an ìre seo a’ tionndadh piogsail àicheil gu neoni.
Còmhdach cruinneachaidh: Le bhith a’ lughdachadh suidheachadh giollachd agus lìonraidh, bidh an còmhdach cruinneachaidh a’ lughdachadh mean air mhean meud farsaingeachd an riochdachaidh. Is e cruinneachadh as motha an dòigh cruinneachaidh as motha a chleachdar.
24. Dè a' bhuaidh a th' aig cus agus mì-fhreagarrachd, agus ciamar as urrainn dhut an seachnadh?
Canar overfitting ris an seo nuair a dh’ ionnsaicheas modail cho duilich sa tha an dàta trèanaidh chun na h-ìre far a bheil droch bhuaidh aige air cleachdadh a’ mhodail de dhàta ùr.
Tha e nas dualtaiche tachairt le modalan neo-loidhneach a tha nas freagarraiche fhad ‘s a tha iad ag ionnsachadh gnìomh tadhail. Faodar modal a thrèanadh gus càraichean agus làraidhean a lorg, ach is dòcha nach bi e comasach dha ach carbadan aithneachadh le cruth bogsa sònraichte.
Leis nach robh e air a thrèanadh ach air aon seòrsa làraidh, is dòcha nach biodh e comasach dha làraidh còmhnard a lorg. A thaobh dàta trèanaidh, tha am modail ag obair gu math, ach chan ann san fhìor shaoghal.
Tha modail nach eil iomchaidh a’ toirt iomradh air fear nach eil air trèanadh gu leòr a thaobh dàta no comasach air fiosrachadh ùr a thoirt gu coitcheann. Bidh seo gu tric a’ tachairt nuair a thathar a’ trèanadh modail le dàta gu leòr no mearachdach.
Tha cruinneas agus coileanadh an dà chuid air am milleadh le bhith gan uidheamachadh.
Tha dà dhòigh air an dàta ath-shamhlachadh gus tuairmse a dhèanamh air cruinneas modail (tar-dhearbhadh K-fold) agus a bhith a’ cleachdadh stòr-dàta dearbhaidh gus am modail a mheasadh gus cus uidheamachadh agus fo-fhreagarrachd a sheachnadh.
25. Ann an ionnsachadh domhainn, dè a th' ann an RNN?
Bidh lìonraidhean neural ath-chuairteach (RNNn), measgachadh cumanta de lìonraidhean neural fuadain, a ’dol leis a’ ghiorrachadh RNN. Tha iad air am fastadh gus genomes, làmh-sgrìobhadh, teacsa, agus sreathan dàta a phròiseasadh, am measg rudan eile. Airson an trèanadh riatanach, bidh RNNn a’ cleachdadh backpropagation.
26. Thoir cunntas air an Adam Optimizer
Tha Adam optimizer, ris an canar cuideachd momentum atharrachail, na dhòigh optimization a chaidh a leasachadh gus suidheachaidhean fuaimneach a làimhseachadh le caiseadan gann.
A bharrachd air a bhith a’ toirt seachad ùrachaidhean per-parameter airson co-ghluasad nas luaithe, bidh an Adam optimizer a’ neartachadh co-ghluasad tro ghluasad, a’ dèanamh cinnteach nach tèid modail a ghlacadh anns a’ phuing dìollaid.
27. Autoencoders domhainn: dè a th’ annta?
Is e autoencoder domhainn an t-ainm coitcheann airson dà lìonra creideas domhainn co-chothromach a tha mar as trice a’ toirt a-steach ceithir no còig sreathan eu-domhainn airson leth còdaidh an lìonraidh agus seata eile de cheithir no còig sreathan airson an leth dì-chòdaidh.
Tha na sreathan sin nam bunait airson lìonraidhean creideas domhainn agus tha iad air an cuingealachadh le innealan Boltzmann. Às deidh gach RBM, bidh autoencoder domhainn a’ cur atharrachaidhean dà-chànanach air an t-seata dàta MNIST.
Faodar an cleachdadh cuideachd ann an stòran-dàta eile far am b’ fheàrr le cruth-atharrachaidhean ceartaichte Gaussian seach RBM.
28. Dè tha Tensor a' ciallachadh ann an Tensorflow?
Is e seo ceist agallamh ionnsachaidh domhainn eile a thathas a’ faighneachd gu cunbhalach. Is e bun-bheachd matamataigeach a th’ ann an tensor a tha air fhaicinn mar arrays meud nas àirde.
Is e tensors na clàran dàta sin a tha air an toirt seachad mar chur-a-steach don lìonra neural agus aig a bheil diofar mheudan agus rangachadh.
29. Mìneachadh air graf àireamhachd
Is e bunait TensorFlow togail graf coimpiutaireachd. Bidh gach nód ag obair ann an lìonra de nodan, far a bheil nodan a’ seasamh airson gnìomhachd matamataigeach agus oirean airson tensors.
Tha e uaireannan air ainmeachadh mar “Graf Sruth-dàta” leis gu bheil dàta a’ sruthadh ann an cruth graf.
30. Lìonraidhean nàimhdeil ginealach (GANs): dè a th' annta?
Ann an Ionnsachadh domhainn, tha modaladh ginealach air a choileanadh a’ cleachdadh lìonraidhean nàimhdeil ginealach. Is e obair gun stiùireadh a th’ ann far a bheil an toradh air a thoirt gu buil le bhith a’ comharrachadh phàtranan anns an dàta cuir a-steach.
Bithear a’ cleachdadh an leth-bhreith gus na h-eisimpleirean a chruthaich an gineadair a sheòrsachadh, ach tha an gineadair air a chleachdadh gus eisimpleirean ùra a dhèanamh.
31. Ciamar a roghnaicheas tu an àireamh de neurons agus sreathan falaichte airson an toirt a-steach don lìonra neural fhad ‘s a tha thu a’ dealbhadh an ailtireachd?
Le dùbhlan gnìomhachais, chan urrainnear an dearbh àireamh de neurons agus sreathan falaichte a dh’ fheumar gus ailtireachd lìonra neural a thogail a dhearbhadh le riaghailtean cruaidh agus luath.
Ann an lìonra neural, bu chòir meud an t-sreath fhalaichte tuiteam am badeigin ann am meadhan meud nan sreathan cuir a-steach is toraidh.
Faodar toiseach tòiseachaidh air cruthachadh lìonra neural dealbhadh a choileanadh ann am beagan dhòighean sìmplidh, ge-tà:
Is e a bhith a’ tòiseachadh le beagan deuchainn eagarach bunaiteach gus faicinn dè a dhèanadh a b’ fheàrr airson dàta sònraichte sam bith stèidhichte air eòlas ro-làimh le lìonraidhean neural ann an suidheachaidhean coltach ris an t-saoghal fhìor an dòigh as fheàrr air dèiligeadh ris a h-uile dùbhlan modaladh ro-innseach san t-saoghal.
Faodar rèiteachadh an lìonraidh a thaghadh stèidhichte air eòlas neach air an raon cùise agus eòlas lìonra neural roimhe. Nuair a thathar a’ measadh suidheachadh lìonra neural, tha an àireamh de shreathan agus neurons a thathas a’ cleachdadh air duilgheadasan co-cheangailte na àite math airson tòiseachadh.
Bu chòir iom-fhillteachd an lìonra neural àrdachadh mean air mhean stèidhichte air toradh agus cruinneas ro-mheasta, a’ tòiseachadh le dealbhadh lìonra neural sìmplidh.
32. Dè an seòrsa lìonraidhean neural a tha air an cleachdadh le ionnsachadh neartachaidh domhainn?
- Ann am paradigm ionnsachadh inneal ris an canar ionnsachadh ath-neartachaidh, tha am modail ag obair gus am beachd air duais tionalach a mheudachadh, dìreach mar a bhios rudan beò.
- Thathas a’ toirt iomradh air geamannan agus carbadan fèin-dràibhidh mar dhuilgheadasan co-cheangailte ionnsachadh daingneachaidh.
- Tha an sgrion air a chleachdadh mar chur-a-steach mas e geama an duilgheadas a tha ri riochdachadh. Gus toradh a thoirt gu buil airson na h-ath ìrean, bidh an algairim a’ toirt na piogsail mar chur-a-steach agus gan giullachd tro iomadh sreathan de lìonraidhean neural convolutional.
- Bidh toraidhean gnìomhan a’ mhodail, an dara cuid fàbharach no dona, nan daingneachadh.
Co-dhùnadh
Tha Deep Learning air a bhith mòr-chòrdte thar nam bliadhnaichean, le tagraidhean anns cha mhòr a h-uile raon gnìomhachais.
Tha companaidhean a’ sìor fhàs a’ coimhead airson eòlaichean comasach as urrainn modalan a dhealbhadh a bhios ag ath-aithris giùlan daonna a’ cleachdadh dòighean ionnsachaidh domhainn agus ionnsachadh innealan.
Faodaidh tagraichean a mheudaicheas an seata sgilean agus a chumas an eòlas air na teicneòlasan ùr-nodha sin raon farsaing de chothroman obrach a lorg le tuarastal tarraingeach.
Faodaidh tu tòiseachadh leis na h-agallamhan a-nis gu bheil tuigse làidir agad air mar a fhreagras tu cuid de na ceistean agallamh ionnsachaidh domhainn as trice a dh’ iarrar. Gabh an ath cheum stèidhichte air na h-amasan agad.
Tadhail air Hashdork's Sreath agallamhan ullachadh airson agallamhan.
Leave a Reply