熱線電話：13121318867

登錄
首頁精彩閱讀關于深度學習需要考慮的問題
關于深度學習需要考慮的問題
2019-03-01
收藏


現在深度學習受到了大家的青睞，這是因為深度學習有很多實用的技術，而這些技術都有值得我們學習的知識。所以現在有很多人都去學習深度學習，但是在學習深度學習過程中有兩個問題需要我們去考慮，那么這兩個問題到底是什么呢？下面我們就給大家介紹一下這兩個問題。


深度學習需要考慮的兩個問題就是如何在樣本數量有限的數據集上訓練算法，以便讓它們在能夠完全捕捉真實世界復雜度的無限大數據集上也能發揮出好的表現；第二個問題就是如果我們手中只有有限的數據集，我們要如何高效地測試這些算法才能確保它們在無限大數據集上也有好的表現。


這就涉及到了克服組合問題，有一些目前形式的數據驅動方法比如深度神經網絡類似的方法，其實有時候我們可能永遠也無法完善解決組合爆炸的問題。其實還有一些比較有潛力的方法，那就是在組合性的數據上進行測試，下面我們就給大家介紹一下這種方法。 


在克服組合問題上，在組合性的數據上測試是一個好辦法，測試視覺算法的一個潛在的挑戰是我們只能在有限的數據上測試，即便我們測試的算法是為了解決真實世界中巨大的組合復雜度而設計的。博弈論中對這種問題的思考方式是關注于那些最糟糕的情況解決得如何，而不那么關注平均難度的狀況解決得如何。而有限數據集中的平均難度的結果意義并不高，尤其是當數據集無法完全捕捉到問題的組合復雜性的時候。更為關注最糟糕的情況當然是有一定理由的，我們都知道，失誤都是更容易在復雜的情況下出現，出現以后也更可能帶來嚴重的后果。


如果失效模式可以在低維空間中捕捉到，比如可以縮小到只有兩三個因素的影響，我們就可以通過計算機圖形學和網格搜索的方法進行研究。但是對于多數視覺任務，尤其是涉及組合性數據的任務，我們就很難分辨出來一小組影響因素并獨立地研究它們。一種策略是在標準的對抗性訓練的基礎上進行拓展，讓它也可以作用于非局部的結構，方法是允許模型對圖像的主要結構、場景做復雜的操作，但同時不顯著改變人類的觀感。把這種方法拓展到視覺算法用來解決組合復雜度的問題仍然有不小挑戰。不過，如果我們設計算法的時候心里就注意著復合性的事情，它們的顯式結構也可以讓我們更方便地進行診斷并判斷它們是如何失效的。


通過這篇文章我們不難看出深度學習中需要思考的兩個問題都是值得我們深思的，同時從側面上也可以說明深度學習還有很長的路要走。相信在未來，深度學習能夠幫助我們解決更多的問題。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

深度學習 大數據 神經網絡

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇復合性神經網絡有什么優點？
下一篇過來人對大數據學習的建議
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢