深度学习总结

关于调参

刷榜的时候，先用adam自动调节，最后几轮的时候用SGD算法，手动一点点调参。

如果写自己的项目，需要自己写神经网络么？

no！肯定是用现成的模型。

房价预测的项目的深度学习的网络，是几层的，是不是只是一层的还是优化一层就算一层

只有一层。

什么叫: 端到端的识别模型? 与之对应的叫什么?

输入就是原始的图像像素，输出就是图片的类别

为什么有的教程用动态图进行训练，有的用静态图进行训练，有何区别?动态图与静态图各自适用于什么场景?

动态图就像脚本语言，静态图就像编译语言。

• 静态图中，代码写完后，不会立即编译，写完后可以一键整体运行。
• 动态图中，写一句话会直接执行， 又称为eager模式。

模型训练好后，是不是要先保存模型，再导入模型，才能开始预测。

可以直接预测，但是正常情况下预测程序和训练程序不是在一个平台。训练程序一般在线上，但是预测程序一般都是在线下，比如摄像机、开发板。

应用飞浆这个框架开发出来的应用，最终可以带上飞浆的类库，跟应用，一起写进一个嵌入式设备而独立离线工作，从而可以离线运行，而不需要联网吗？

可以。装上paddle库中就可以离线运行。paddle lite是专门用于端测的，专门用于将训练好的模型装入嵌入式设备中的。

构建神经网络的时候，我们应该把图片转化成一维矩阵么?

不行，图片必须是二维的（灰度图），位置信息很重要，转换成一维矩阵就失去了位置信息。

在训练时，准确率达到瓶颈了改怎么继续提升？

样本增强：增加样本数量、样本去噪

模型：换网络、调超参数、正则化参数

训练目标：调节loss

优化器：换优化器、调节学习率