Hab ich Deep Learning so richtig verstanden?

1 Antwort

Vom Fragesteller als hilfreich ausgezeichnet

Hallo,

beim Deep Learning gibt es viele verdeckte Schichten, allerdings wird nicht ein einzelnes Merkmal je Schicht überprüft. Eine Ja-Nein-Abfrage je Schicht wäre ein Entscheidungsbaum. In der Realität sind die gelernten Merkmale auch nicht so anschaulich. Zur Veranschaulichung wären die genannten Merkmale gute Beispiele bei einer einzelnen verdeckten Schicht. In der Praxis hat man auch keine Ja-Nein-Entscheidungen, sondern kontinuierliche, wie stark ein Merkmal ausgeprägt ist.

Die Eingabe würde aus den Pixeln bestehen. In der ersten verdeckten Schicht könnte man Kanten erkennen, also z.B. wenn es an einer Stelle von links nach rechts heller wird, hätte man an der Stelle höhere Werte. In der nächsten Schicht werden dann größere Strukturen erkannt, z.B. irgendein Muster und irgendwann die in Deinem Beispiel genannten Merkmale und auch an welcher Stelle, z.B. dass sich die Ohren am Kopf und nicht am Schwanz befinden.

Die Ausgabe einer einzelnen Schicht ist jedenfalls nicht ein einzelner Wert, sondern viele Werte, die in einem Vektor angeordnet sein können, oder auch wie ein Bild in einer Matrix, also dass man viele Werte hat, die zweidimensional angeordnet sind. Es können auch noch mehr Dimensionen sein. Allgemein nennt man solche zusammengefasste Werte Tensor. Also in jeder Schicht wird aus dem Tensor an Werten ein neuer Tensor berechnet und an die nächste Schicht weitergegeben.