deep learning
Deep learning er en underkategori af maskinlæring, der anvender neurale netværk med mange lag (dybe arkitekturer) til at lære hierarkiske repræsentationer af data.
Kort fortalt
Deep learning er en metode, hvor computere lærer af store mængder data ved hjælp af store neurale netværk med mange lag, der minder om hjernens struktur.
- Kategori
- teknik
- Niveau
- øvet
- Udtale
- /diːp ˈlɜːnɪŋ/
Betydninger
1- 1
En maskinlæringsteknik, der benytter neurale netværk med mange skjulte lag til at modellere komplekse mønstre i data.
- Deep learning har revolutioneret billedgenkendelse ved at opnå menneskelignende præcision.
- Mange moderne sprogmodeller, som GPT, er baseret på deep learning-arkitekturer.
Hvornår bruges det
Deep learning anvendes især til opgaver med store datasæt, fx billedgenkendelse, naturlig sprogbehandling og talegenkendelse. Det kræver typisk specialiseret hardware som GPU'er og store mængder data for at opnå gode resultater.
Kodeeksempel
import tensorflow as tf
model = tf.keras.Sequential([
tf.keras.layers.Dense(128, activation='relu', input_shape=(784,)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(10, activation='softmax')
])Et simpelt deep learning-netværk med to skjulte lag, bygget i TensorFlow/Keras.
Oprindelse
Udtrykket 'deep' refererer til brugen af mange lag i et neuralt netværk, i modsætning til 'shallow' netværk med kun ét eller få lag. 'Learning' henviser til evnen til at lære fra data. Begrebet blev populariseret i 2000'erne.
Afledte ord
3Kilder
2- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
- LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.