來源：青榴實驗室

1、引子

深度神經網絡(DNNs)最近在圖像分類或語音識別等復雜機器學習任務中表現出的優異性能令人印象深刻。

在本文中，我們將了解深度神經網絡的基礎知識和三個最流行神經網絡：多層神經網絡(MLP)，卷積神經網絡(CNN)和遞歸神經網絡(RNN)。

2、什么是深度神經網絡

機器學習是一門多領域交叉學科，專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑。如果論及哪一個機器學習的領域最為熱門，非人工智能莫屬，這就是深度學習。深度學習框架又名深度神經網絡，一個復雜的模式識別系統，在過去的幾十年里，機器學習給我們的日常生活帶來了巨大的影響，包括高效的網絡搜索、自動駕駛系統、計算機視覺和光學字符識別。

深層神經網絡的迅速發展應用致使語音識別錯誤率上較傳統語音識別方法錯誤率減少30%(20年來最大降幅),同時也大幅削減了圖像識別的錯誤率，自2011年以來深度學習圖像識別的錯誤率從26%到3.5%,而人類是5%。

3、深度神經網絡的基本原理

4、深度神經網絡的“深”

深度神經網絡在神經網絡中采用了深度結構。“深”是指在層次數和單層單元數的深兼具較高復雜性的功能。云計算中的大型數據集可以通過使用額外的和更大的層來捕獲更高級數據模式來構建更精確的模型。神經網絡的兩個階段被稱為訓練(或學習)和推斷(或預測)，它們指的是發展和生產。開發人員選擇神經網絡的層數和類型，訓練確定權值。

5、目前流行的深度神經網絡有三種

5.1 多層感知器(MLP)

卷積神經網絡(CNN，或ConvNet)是另一類深度神經網絡。CNN最常用于計算機視覺。給定一系列來自現實世界的圖像或視頻，AI系統利用CNN學習自動提取這些輸入的特征來完成特定的任務，如圖像分類、人臉認證、圖像語義分割等。

與MLP中的完全連接層不同，在CNN模型中，一個或多個卷積層通過執行卷積操作從輸入中提取簡單特征。每一層都是一組非線性函數，這些函數的加權和位于前一層輸出的空間附近子集的不同坐標上，允許權重被重用。

VGG-16。為了達到更高的精度，vg -16被訓練為一個更深層次的16層結構，由13個卷積層和3個全連通層組成，需要1.38億權值和15.5G mac對大小為224×224的圖像進行分類。

GoogleNet。為了提高準確性，同時減少DNN推理的計算，GoogleNet引入了一個由不同大小的過濾器組成的初始模塊。google et比vg -16具有更好的精度性能，而處理相同大小的圖像只需要700萬權重和1.43G mac。

ResNet。最新的研究成果ResNet使用了“快捷”結構，達到了人類平均水平的準確率，前5名的錯誤率低于5%。“捷徑”模塊用于解決訓練過程中的梯度消失問題，使訓練具有更深結構的DNN模型成為可能。

在RNN中，每一層都是輸出和前一層狀態的加權和的非線性函數集合。RNN的基本單元稱為“Cell”，每個Cell層由一系列的Cell組成，層層傳遞處理使RNN模型能夠進行順序處理。

深度學習現在已經應用到生活各領域：

1.深度學習應用在音視頻的識別上，幾乎所有的商用語音識別都是深度學習來完成的，如自然語言理解方面，主要是使用一種叫做LSTM的深度學習方法。

2.深度學習應用于圖像識別，目前識別準確率已經超越人類，深度學習成了圖像識別的標配。其中圖像識別中，應用最廣的是人臉識別。

END

（添加請備注公司名和職稱）

Imagination攜手飛槳等多家伙伴聯合發布 AI Studio硬件生態專區

Imagination Technologies是一家總部位于英國的公司，致力于研發芯片和軟件知識產權（IP），基于Imagination IP的產品已在全球數十億人的電話、汽車、家庭和工作 場所中使用。獲取更多物聯網、智能穿戴、通信、汽車電子、圖形圖像開發等前沿技術信息，歡迎關注 Imagination Tech！