神经网络算法需要的是相同的性能特性
神经网络算法所需要的性能特性是相同的
286 Matching Annotations
- Jan 2017
-
exacity.github.io exacity.github.io应用22
-
-
描述每一个对象的纹理（颜色模式）如何渲染的位图信息
描述每一个需要被渲染的对象的纹理（颜色模式）的位图信息
-
也能够并行操作
能够实现并行操作
-
计算过程
各个计算过程之间
-
不需要通过{\tt if}判断确定顶点需要乘哪个矩阵
不需要通过{\tt if}语句来判断确定每个顶点需要乘哪个矩阵
-
显卡必须并行地实现每个像素上的计算
显卡必须并行地在每个像素上执行诸多计算，
-
实现
执行
-
显卡必须快速实现矩阵乘法或者除法
显卡必须并行地对许多顶点执行矩阵乘法与除法
-
视频游戏
视频游戏的渲染
-
GPU是一种特殊设计的硬件，设计的原始目的是为了处理图形应用
图形处理器（GPU）最初是为图形应用而开发的专用硬件组件。
-
还包括其他的策略，如
其他的策略还包括了如
-
一条重要的准则就是通过特殊设计的数值运算可以获得巨大的回报。
一条重要的准则就是，通过特殊设计的数值运算，我们可以获得巨大的回报。
-
的
得
-
大规模神经网络的必要性，所以深度学习需要高性能的硬件设施和软件实现。
由于规模的大小对于神经网络来说至关重要，因此深度学习需要高性能的硬件设施和软件实现。
-
，尽管如今的人工神经网络的规模也仅仅和昆虫的神经系统差不多。
。然而如今的人工神经网络的规模也仅仅和昆虫的神经系统差不多。
-
在过去的三四十年中
在过去的三十年内
-
网络规模的巨大提升是一个关键的因素
其中一个关键的因素就是网络规模的巨大提升
-
应用深度学习
深度学习的应用
-
接着，我们回顾深度学习已经成功应用的几个特定领域。
其次，我们将回顾深度学习已经成功应用的几个特定领域。
-
首先我们讨论在许多最重要的AI应用中所需的大规模神经网络的实现。
首先，我们将讨论在许多重要的AI应用中所需的大规模神经网络的实现。
-
解决
来解决
-
本章
在本章中
-
-
exacity.github.io exacity.github.io前言56
-
我们期待深度学习未来出现在越来越多的科学领域
我们期待深度学习未来能够出现在越来越多的科学领域内
-
把重点放在
着眼于
-
神经网络流行的第三次浪潮在写这本书的时候还在继续
在写这本书的时候，神经网络的第三次流行浪潮还在继续
-
普遍认为
人们普遍认为
-
建模长序列
对长序列进行建模
-
成功训练
得以成功训练
-
在复杂的任务达到与人类表现
在复杂的任务达到人类水平
-
尽管
既然
-
较大
更大
-
的
得
-
近年来，深度学习的普及性和实用性有了极大的发展，这在很大程度上得益于更强大的计算机、更大的数据集和能够训练更深网络的技术。
近年来，得益于更强大的计算机、更大的数据集和能够训练更深网络的技术，深度学习的普及性和实用性有了极大的发展。
-
深深地吸收了
大量借鉴了
-
过去几十年的发展中
在过去几十年的发展中
-
，
。
-
识别对象的现代卷积网络提供给神经科学家可以研究的视觉处理模型
用于对象识别的现在卷积网络为神经科学家们提供了可以研究的视觉处理模型。
-
必须通过试错来学习执行任务，而无需人类操作者的任何指导
必须在没有人类操作者指导的情况下，通过试错来学习执行任务
-
自主体
自主的智能体
-
在强化学习的背景下
在强化学习中
-
是在强化学习领域的扩展
是其在在强化学习领域的扩展
-
冠军成就
最高成就 / 最大的成就
-
建模序列和其他序列之间的关系
对序列与其他序列之间的关系进行建模
-
这个
这种
-
的
删去 的
-
在
并且在
-
有引人注目的成功
取得了惊人的成功
-
导致
使得
-
提高
得到提高
-
他们
它们
-
不要求
不需要
-
进步
发展
-
最早网络
最早的网络
-
降到
降到了
-
深度卷积网络一直能在这些比赛中取胜
深度卷积网络在这些比赛中一直取胜
-
但15.3\%的测试样例的正确类别不会出现在此列表中的前5
但测试样例内15.3\%的正确类别不会出现在此列表的前5中
-
戏剧性
激动人心的
-
通常识别至少
通常能够识别至少
-
丰富的
大量的
-
深度学习持续成功地应用于越来越广泛的应用
深度学习始终在越来越广泛的应用领域得到了成功的应用。
-
这本书对各类读者都有一定用处的
这本书对各类读者都具有一定用处
-
也不存在模型多么深才能被修饰为”深”的共识
另外，也不存在模型多么深才能被修饰为”深”的共识
-
就像计算机程序的长度不存在单一的正确值
就像计算机程序的长度不存在单一的正确值一样。
-
导致
因此
-
许多这样的变化因素，诸如说话者的口音
许多诸如说话口音这样的变化因素
-
车轮
虽然车轮
-
因场景而变得很复杂
因场景而异
-
车轮的存在
是否有车轮
-
很难知道
我们很难知道
-
从声音鉴别说话者的一个有用特征是说话者声道大小的估计
对于通过声音鉴别说话者来说，一个有用的特征是对其声道大小的估计
-
许多人工智能的任务都可以先提取一个合适的特征集，然后将这些特征提供给简单的机器学习算法来解决。
许多人工智能的任务都可以通过先提取一个合适的特征集，然后将这些特征提供给简单的机器学习算法这样的方式来解决。
-
数据操作的处理速度就可以成指数级地加快（如搜索）
那么诸如搜索之类的操作的处理速度就可以成指数级地加快
-
MRI扫描的单一像素与分娩过程中的并发症只有微不足道的相关性
MRI扫描的单一像素与分娩过程中的并发症之间的相关性微乎其微。
-
即使是最好的人类棋手，计算机也早已能够将其打败
计算机早就能够打败人类最好的象棋选手
-
这些问题我们人类能够很自然地通过直觉轻而易举地解决。
对于这些问题，我们人类往往可以凭直觉轻易地解决。
-
那些对人类智力来说非常困难但对计算机来说相对简单的问题得到迅速解决
那些对人类智力来说非常困难、但对计算机来说相对简单的问题得到了迅速解决
-
并蓬勃发展着
并且正在蓬勃发展
-
是
已经是/已经成为
-
-
exacity.github.io exacity.github.io卷积神经网络8
-
允许它们的确定与位于网络结构顶层的分类层相分离
使得它们能够与位于网络结构顶层的分类层相互独立地确定
-
专业化
特化
-
以
使其能够
-
专业化
特化
-
接收
接受
-
但是卷积网络已经被用于赢得其他机器学习和计算机视觉竞赛了，这些比赛在几年前影响较小。
但是卷积网络也已经被用于前些年影响较小的其他机器学习和计算机视觉竞赛中获胜。
-
也被用来赢得许多比赛
也被用作在许多比赛中的取胜手段。
-
用于读取美国所有支票的10％以上
已经被用于读取美国10％以上的支票
-