第2章模型压缩与加速 2.1机器学习与深度学习 人工智能 机器学习 深度学习 神经网络 2.2模型压缩与加速
第2章 模型压缩与加速 2.1 机器学习与深度学习 2.2 模型压缩与加速
2.1机器学习与深度学习 感知与分析 理解与思考 决策与交互 行业解决 金融、医疗、安防、交通、游戏等 方案 图像 图像 视频 语音 语义 音 机器 语义 具体技术 理解 识别 识别 理解 合 翻译 理解 技术方向 3计算机视觉 语音工程 ⑤自然语言处理 6规划决策系统 7大数据/统计分析 算法 2机器学习、深度学习 基础设施 1硬件/计算力、大数据 sloccrno
2.1 机器学习与深度学习
机器学习
机器学习
2.1机器学习与深度学习 机器学习 1.学习 神经网络 人工智能大师西蒙：学习就是系统在不断重复的工作中对本身能力的增 深度学习 强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在 做得更好或效率更高。 学习的主要表现： ①获得新知识： ②从感性认识发展到理性认识： ③通过反复实践
1. 学习 人工智能大师西蒙：学习就是系统在不断重复的工作中对本身能力的增 强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在 做得更好或效率更高。 学习的主要表现： ① 获得新知识； ② 从感性认识发展到理性认识； ③ 通过反复实践。 2.1 机器学习与深度学习 机器学习 神经网络 深度学习
2.1机器学习与深度学习 机器学习 2.机器学习 神经网络 定义：研究如何使用机器来模拟人类学习活动的一门学科。 深度学习 严格的提法：机器学习是一门研究机器获取新知识和新技能，并识别现有 知识的学问。 “机器”，指的就是计算机；现在是电子计算机，以后还可能是量子计算 机、光子计算机或神经计算机等等
2. 机器学习 定义：研究如何使用机器来模拟人类学习活动的一门学科。 严格的提法：机器学习是一门研究机器获取新知识和新技能,并识别现有 知识的学问。 “机器”，指的就是计算机；现在是电子计算机，以后还可能是量子计算 机、光子计算机或神经计算机等等。 2.1 机器学习与深度学习 机器学习 神经网络 深度学习
2.1机器学习与深度学习 机器学习 研究机器学习的意义 神经网络 ① 机器学习速度惊人： 深度学习 ② 机器学习可以把学习不断地延续下去，避免大量的重复学习，使知 识积累达到新的高度；（未来的计算机将有自动获取知识的能力， 直接从书本中学习，通过与人谈话学习，通过观察学习。通过实践 自我完善) ③机器学习有利于知识的传播：一台计算机获取的知识很容易复制给 任何其他机器。 ④ 克服人的存储少，效率低，注意力分散，难以传送所获取知识等局 限性
研究机器学习的意义 ① 机器学习速度惊人； ② 机器学习可以把学习不断地延续下去，避免大量的重复学习，使知 识积累达到新的高度；（未来的计算机将有自动获取知识的能力， 直接从书本中学习，通过与人谈话学习，通过观察学习。通过实践 自我完善） ③ 机器学习有利于知识的传播：一台计算机获取的知识很容易复制给 任何其他机器。 ④ 克服人的存储少，效率低，注意力分散，难以传送所获取知识等局 限性。 2.1 机器学习与深度学习 机器学习 神经网络 深度学习
2.1机器学习与深度学习 机器学习 今 3.机器学习系统的基本模型 专家系统和机器学习的差别： 神经网络 深度学习 经验 历史 数据 归纳 训练 新的 输入 预测 新的 输入 预测 未来 问题 规律 未来 数据 模型 属性 (a)专家系统 (b)机器学习
3. 机器学习系统的基本模型 专家系统和机器学习的差别： 2.1 机器学习与深度学习 （a）专家系统 （b）机器学习 机器学习 神经网络 深度学习
2.1机器学习与深度学习 机器学习 3.机器学习系统的基本模型 神经网络 以西蒙关于学习的定义作为出发点，建立机器学习系统的基本模型。 深度学习 环境 学习环节 知识库 执行环节 ● 环境和知识库是以某种知识表示形式表达的信息的集合，分别 代表外界信息来源和系统所具有的知识； “学习环节”和"执行环节”代表两个过程
环境和知识库是以某种知识表示形式表达的信息的集合，分别 代表外界信息来源和系统所具有的知识； “学习环节”和“执行环节”代表两个过程。 3. 机器学习系统的基本模型 以西蒙关于学习的定义作为出发点，建立机器学习系统的基本模型。 2.1 机器学习与深度学习 环境 学习环节 知识库 执行环节 机器学习 神经网络 深度学习
2.1机器学习与深度学习 机器学习 神经网络 环境 学习环节 知识库 执行环节 深度学习 ●“环境”向系统的“学习环节”提供某些信息； 。“学习环节”则利用这些信息对系统的“知识库"进行改进，以增进系统"执行环 节“完成任务的效能； ·“"执行环节”根据知识库中的知识来完成某种任务，同时把获得的信息反馈给 “学习环节
“环境”向系统的“学习环节”提供某些信息； “学习环节”则利用这些信息对系统的“知识库”进行改进，以增进系统“执行环 节”完成任务的效能； “执行环节”根据知识库中的知识来完成某种任务，同时把获得的信息反馈给 “学习环节” 。 2.1 机器学习与深度学习 机器学习 神经网络 深度学习
2.1机器学习与深度学习 机器学习 不用写专门的业务逻辑代码而是通过输入大量的数据给机器，由机 器通过一个通用的机制来建立它自己的业务逻辑，也就是机器“自我学习” 神经网络 了业务的逻辑，这种学习后的逻辑可以用来处理新的数据。 深度学习 新问题 归纳 预测 大量经验 规律 训练 历史数据 模型 预测 http:新数据 csdn.net/woods wang 219
2.1 机器学习与深度学习 不用写专门的业务逻辑代码而是通过输入大量的数据给机器，由机 器通过一个通用的机制来建立它自己的业务逻辑，也就是机器“自我学习” 了业务的逻辑，这种学习后的逻辑可以用来处理新的数据。 机器学习 神经网络 深度学习