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。

你可能感兴趣的:(深度学习,程序人生)