51 lines
1.5 KiB
Markdown
Executable File
51 lines
1.5 KiB
Markdown
Executable File
---
|
||
created: 2026-04-28
|
||
type: concept
|
||
tags: [深度学习，神经网络，AI]
|
||
---
|
||
|
||
# 深度学习（Deep Learning）
|
||
|
||
> 使用多层神经网络从数据中自动学习特征表示
|
||
|
||
## 定义
|
||
|
||
深度学习是[[机器学习]]的一个子领域，通过多层（"深度"）[[神经网络]]学习数据的分层表示。每一层提取不同抽象级别的特征。
|
||
|
||
## 核心架构
|
||
|
||
| 架构 | 特点 | 应用 |
|
||
|------|------|------|
|
||
| **CNN（卷积网络）** | 局部感受野+权重共享 | 图像识别、CV |
|
||
| **RNN/LSTM** | 序列记忆 | 时间序列、NLP（已被 Transformer 替代） |
|
||
| **[[Transformer 架构]]** | 自注意力机制 | NLP、多模态 |
|
||
| **GAN（生成对抗）** | 生成器 vs 判别器对抗 | 图像生成 |
|
||
| **扩散模型** | 逐步去噪生成 | DALL·E、Midjourney、Stable Diffusion |
|
||
|
||
## 与[[机器学习]]的区别
|
||
|
||
| 传统机器学习 | 深度学习 |
|
||
|-------------|---------|
|
||
| 需要人工特征工程 | 自动学习特征 |
|
||
| 适合小数据 | 需要大数据 |
|
||
| 模型可解释 | 黑盒 |
|
||
| 计算需求低 | 需要 GPU |
|
||
|
||
## 关键突破
|
||
|
||
- 2012：AlexNet（ImageNet 冠军，深度学习爆发）
|
||
- 2017：[[Transformer 架构]]（Attention Is All You Need）
|
||
- 2022：扩散模型爆发（Stable Diffusion）
|
||
- 2023：GPT-4（多模态）
|
||
|
||
## 相关概念
|
||
|
||
- [[神经网络]]（深度学习的基础）
|
||
- [[机器学习]]（深度学习的父领域）
|
||
- [[监督学习]] / [[无监督学习]]
|
||
- [[反向传播]]（训练算法）
|
||
- [[Transformer 架构]]
|
||
|
||
---
|
||
|
||
*基于 AI 基础知识整理* |