深度学习 (DL)

深度学习如何工作

深度学习的核心是人工神经网络（ANN），其灵感来自人脑的结构和功能。这些网络由按层组织的相互连接的节点或神经元组成。典型的深度网络有一个输入层、多个隐藏层和一个输出层。每一层对接收到的输入数据进行转换，逐步学习更抽象、更复杂的特征。例如，在图像识别中，早期层可能会检测边缘和纹理，而更深的层则会结合这些特征来识别物体或人脸。关键组件包括引入非线性的激活函数（如ReLU或Sigmoid），以及训练算法（如反向传播），结合优化算法（如梯度下降），根据损失函数调整模型权重。训练深度模型通常需要大量标注的训练数据和大量计算资源，通常需要利用GPU进行加速。

深度学习与传统机器学习

深度学习与传统机器学习（ML）的主要区别在于特征表示。传统的机器学习算法（如支持向量机 (SVM)或随机森林）在很大程度上依赖于特征工程，即领域专家从原始数据中手动提取特征，然后输入模型。反之，深度学习则通过其分层来自动提取特征。这使得深度学习特别适用于涉及高维、非结构化数据的任务，在这些任务中，人工特征设计具有挑战性或根本不可能。不过，深度学习模型通常需要更多的数据和计算能力，可能更难解释（可解释人工智能（XAI）是一个活跃的研究领域），而且如果不仔细正则化，很容易出现过拟合等问题。

关键概念和架构

有几种架构在深度学习领域占据主导地位：

• 卷积神经网络（CNN）：对网格状数据（尤其是图像）非常有效。它们使用卷积层来捕捉空间层次，为图像分类和物体检测等计算机视觉（CV）任务提供支持。
• 递归神经网络（RNN）：专为顺序数据而设计，每次处理一个元素的输入，同时保持内部状态（内存）。LSTM和GRU等变体解决了梯度消失问题等局限性，使其适用于自然语言处理 (NLP)和时间序列分析。
• 变压器：引入自我关注机制，允许模型权衡输入序列不同部分的重要性。它们已成为许多 NLP 任务（如BERT、GPT 模型）的标准，并越来越多地应用于 CV（Vision Transformer (ViT)）。
• 生成对抗网络（GANs）：由两个网络（一个生成器和一个判别器）组成，相互竞争以生成逼真的合成数据，推动了生成式人工智能的发展。
• 自动编码器：用于无监督学习任务，如降维和特征学习。

实际应用

深度学习为许多现代人工智能应用提供了动力：

• 自主系统：让Waymo等公司开发的自动驾驶汽车能够利用 Ultralytics YOLO进行物体检测和图像分割。
• 医疗保健：革新医疗图像分析，用于识别扫描中的肿瘤等任务，通常由美国国立卫生研究院（NIH）的 Bridge2AI 计划等研究项目提供支持。
• 自然语言处理：推动机器翻译（如Google 翻译）、情感分析和复杂的聊天机器人（如OpenAI 的ChatGPT）等功能的发展。
• 娱乐：为Netflix等平台的推荐系统提供支持，根据用户行为推荐内容。
• 虚拟助手：在 Siri 和 Alexa 等助手中实现语音识别和自然语言理解 (NLU)。

工具和框架

各种软件库和平台为开发 DL 模型提供了便利。流行的开源框架包括

• PyTorch以其灵活性和Python方法而著称，广泛应用于研究领域（请访问PyTorch 主页）。
• TensorFlow：为开发和部署提供了一个全面的生态系统，在业界很受欢迎（访问TensorFlow 主页）。
• Keras可在TensorFlow 上运行的高级 API，以用户友好性著称。

Ultralytics HUB等平台为训练自定义模型、部署和管理 DL 模型提供了集成环境，特别是对于使用以下模型的计算机视觉任务而言 YOLO11.

在人工智能和计算机视觉领域的重要性

深度学习是人工智能（AI），尤其是计算机视觉（CV）领域进步的主要推动力。它能够从庞大的数据集（如COCO 数据集）中学习有意义的表征，从而在以前被认为对机器具有挑战性的领域取得突破。迁移学习等技术可以利用预先训练好的模型来加速新任务的开发。这一领域的发展要归功于Geoffrey Hinton、Yann LeCun 和Yoshua Bengio 等先驱。DeepLearning.AI和人工智能促进协会（AAAI）等组织继续推动这一快速发展领域的研究和教育，强调严格的超参数调整和模型评估等实践的重要性。