- Objective: 无监督学习图像识别 - Breadcrumb: # 概念阐释 小猫论文是由 Google Brain 于 2012 年发表的一篇论文，主要作者是吴恩达。论文题目为“Building High-level Features Using Large Scale Unsupervised Learning”，意在证明神经网络可以大规模无监督学习的数据进行训练。 - 数据：在 YouTube 视频中观察猫，分析了数百万条识别，并自学会了如何识别一只猫； - 性能：使用了 Google 数据中心的 16000 多块 CPU 训练； 虽然后来发现使用未标记的数据不如标记过的数据效果好（后来的[[AlexNet]]），使用 CPU 来训练神经网络也不如 GPU 的性能好，但这一次“错误”的尝试还是推进了神经网络的无监督学习向前发展了一步。 # 实例 # 相关内容 # 参考资料