标签：10 编码器 卷积 李宏毅 学习 特征 而已 补零 向量

没有数据的时候直接自我学习，非常妙

深度学习，每层用不同维度，能把不同层面的特征学习出来，更好的表示输入的特征向量

加入噪音，鲁棒性会更好，不仅能学到输入的特征，还能把噪音数据过滤掉

传统的词袋发只是累计的一个词频统计而已，并没有把上下文的语义信息考虑进来

相似度匹配的前提是，这个进行相似度计算的向量一定是足够好的能表示输入图像、文本、语音特征的向量，那要训练出这样的向量，数据不能少，模型足够好

图像的回复

池化就是补零回复而已，反卷积其实本质上还是一个卷积运算，补零后进行卷积运算而已

预训练模型只是，无监督自编码的一个应用而已

引入L2正则化，让向量分布在0的周围，取周围的向量，恢复后，能看到机器确实能学到有规律的不一样的特征

标签：10,编码器,卷积,李宏毅,学习,特征,而已,补零,向量
来源： https://blog.csdn.net/qq_15821487/article/details/116882625

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。