实用的深度学习技巧.docxVIP

深度学习已经成为解决许多具有挑战性的现实世界问题的方法。对 目标检测，语音识别和语言翻译来说，这是迄今为止表现最好的方法。 许多人将深度神经网络（DNNS视为神奇的黑盒子，我们放进去一堆数 据，出来的就是我们的解决方案！事实上，事情没那么简单。 在设计和应用DNN到一个特定的问题上可能会遇到很多挑战。为了达到 现实世界应用所需的性能标准，对数据准备，网络设计，训练和推断等 各个阶段的正确设计和执行至关重要。在这里，我将与大家分享 7个实 用技巧，让您的深度神经网络发挥最大作用。 1 -数据，数据，数据 这不是一个大秘密。一直工作得很好的深度学习机器需要燃料 - 大量的燃料；燃料是数据。我们拥有的标记数据越多，模型的表现就越 好。更多的数据导致更好的性能，已经由谷歌大规模的探索 3亿图像的 数据集印证！ 在实际应用中部署 Dee P Learni ng 模型时，您应该不断地为其提供 更多的数据和微调以继续提高其性能。喂饱怪兽：如果你想提高你的模 I型的性能，那就获得更多的数据！ BIG DATA DEEP LEARNING Most LearningAlgorithmsDeep Learning Most Learning Algorithms Deep Learning Bull eLLUOJJad Amount of Data 不断增加的数据产生更好的性能 2 -你应该使用哪个