DNN (分類器)

https://www.youtube.com/watch?v=diCzrBXLxL0&list=PLXSkku8eiD-iFRBr11rV83579hing3gMU&index=29

今日學習目標

• 深度神經網路 DNN
  • 揭開神秘的黑盒子
• 六步驟建立深度學習模型
  • 如何選擇隱藏層、激發函數、損失函數以及優化器
• 實作 DNN 分類器
  • 使用DNN訓練一個手寫數字辨識分類器

六步驟建立深度學習模型

1. 決定隱藏層 (hidden layers) 的深度 (層數) 和寬度 (神經元數)
2. 決定每層使用的激發函數 (activation function)
3. 決定模型的損失函數 (loss function)
4. 決定優化器 (optimizer)，及超參數
5. 編譯模型 (compile model)
6. 開始訓練 (fit model)

如何選擇 Loss function?

• 分類問題 (Classification)
  • cross-entropy
  • 搭配 softmax 作為輸出層的激發函數
• 迴歸問題 (Regression)
  • mean squared error (MSE)
  • mean absolute error (MAE)
  • 搭配線性函數作為輸出層的激發函數

本系列教學簡報 PDF & Code 都可以從我的 GitHub 取得！