关于神经网络算法使用场景的思考

当前人工智能、深度学习的概念很火，各领域的啰啰闻风而动（包括我）迫不及待的冲入了这一领域，都想分一杯羹。

在自学的过程中，看到一位大神说的话，引起了我的思考，也不记得是哪位大神，估计大神也是引用的也不一定，但是这句话确实说得很好：

测量方法决定了逼近真实值的上限，而不同的测量手段只为逼近此上限。

举个例子

一根木头的真实长度是1米。

1.选择用眼睛来测量，可能有人看是0.8米，有人看是1.2米，也有人看是1米。误差范围较大。然后闭上一只眼睛后，可能误差范围会减小一点。

2.选择用软尺来测量，可能会是0.9米，可能会是1.1米，也可能测出来是1米。误差范围减小。然后把软尺绷直后，可能误差范围会减小一点。

3.用红外线测量，可能会是0.99米，可能是1.01米，要可能是1米。更接近于真实值了，但仍有误差。然后更新发红外线的发射设备后，可能误差范围会更小一些。

眼睛、软尺、红外线就是不同的测量方法。

测量手段则是指闭上眼睛、绷直软尺和更新设备。

那么在深度学习中，对问题的分析和方法的选取非常重要，这是测量方法。而在模型中不停的调参，只是手段。

所以有很多无头苍蝇，不分析问题，就是不停的调参数，始终无法得到理想的结果，就是这个原因——方法错了！

所以，深度学习不是万能的，它只是解决特定问题的一种方法。

关于怎么分析问题，怎么寻找合适的方法，这取决于分析者的认知水平和综合能力了。