专栏首页有三AIAI修行三十篇文章到不惑,已经掌握了什么,接下来还要说什么

AI修行三十篇文章到不惑,已经掌握了什么,接下来还要说什么

文/编辑 | 言有三

AI修行之路系列文章是有三AI的代表性作品,共分为5个系列,分别是AI白身境,AI初识境,AI不惑境,AI有识境不可知。其中前4个系列我们会推出对应的文章,要求如上图,目前已经更新完了30篇文章,白身境和初识境的文章汇总如下,没有学习过的同学可以去补。

【AI白身境】深度学习从弃用windows开始

【AI白身境】Linux干活三板斧,shell、vim和git

【AI白身境】学AI必备的python基础

【AI白身境】深度学习必备图像基础

【AI白身境】搞计算机视觉必备的OpenCV入门基础

【AI白身境】只会用Python?g++,CMake和Makefile了解一下

【AI白身境】学深度学习你不得不知的爬虫基础

【AI白身境】深度学习中的数据可视化

【AI白身境】入行AI需要什么数学基础:左手矩阵论,右手微积分

【AI白身境】一文览尽计算机视觉研究方向

【AI白身境】AI+,都加在哪些应用领域了

【AI白身境】究竟谁是paper之王,全球前10的计算机科学家

【AI初识境】从3次人工智能潮起潮落说起

【AI初识境】从头理解神经网络-内行与外行的分水岭

【AI初识境】近20年深度学习在图像领域的重要进展节点

【AI初识境】激活函数:从人工设计到自动搜索

【AI初识境】什么是深度学习成功的开始?参数初始化

【AI初识境】深度学习模型中的Normalization,你懂了多少?

【AI初识境】为了围剿SGD大家这些年想过的那十几招

【AI初识境】被Hinton,DeepMind和斯坦福嫌弃的池化,到底是什么?

【AI初识境】如何增加深度学习模型的泛化能力

【AI初识境】深度学习模型评估,从图像分类到生成模型

【AI初识境】深度学习中常用的损失函数有哪些?

【AI初识境】给深度学习新手做项目的10个建议

下面我们重点还是再回顾一下AI不惑境已经更新的文章。

深度学习发展与数据的关系

深度学习成功源于三驾马车,模型,数据和硬件,这背后最核心的还是数据,深度学习正是因为学会了从数据中抽象知识,才能够完成各种各样的任务。

很久以前,我们只会使用抽象好的数据。

后来,我们学会了从数据中自己抽象特征。

后来,我们发明了一个系统让它去抽象特征。

再到后来,我们想让数据把系统也学了。

基于数据的池化策略,归一化策略,优化方法,数据增强,模型搜索等技术全部都被技术人员广泛研究,如果不熟悉,那就读【AI不惑境】数据压榨有多狠,人工智能就有多成功先了解一下。

模型性能与深度之间的关系

深度学习模型之所以在各种任务中取得了成功,足够的网络深度起到了很关键的作用。

那么是不是模型越深,性能就越好呢?

为什么加深可以提升性能?

我们又该如何定量评估深度与模型性能?

加深网络后会遇到哪些问题?

这些都是你学习的路上需要搞懂的。

【AI不惑境】网络深度对深度学习模型性能有什么影响?

模型性能与宽度之间的关系

宽度,即通道(channel)的数量。在一定的程度上,网络越宽,性能越好。

为什么需要足够的宽度呢?

网络到底需要多宽?

网络宽度和深度谁更加重要?

如何更加有效地利用宽度?

这些也是你在学习的路上需要搞懂的。

【AI不惑境】网络的宽度如何影响深度学习模型的性能?

学习率和batchsize的微妙关系

学习率在深度学习模型训练中是一个很敏感的参数,使得研究人员摸索出许多的优化学习率调整的方法。batchsize看似人畜无害,那是因为只有在性能需要进一步提升时表现才足够明显,这两个参数之间是有耦合关系的,在实践中经常一起调整。

那到底学习率如何影响模型性能??

batchsize如何影响模型性能?

它们之间又有什么关系?

【AI不惑境】学习率和batchsize如何影响模型的性能?

残差网络的前世今生与原理

在深度学习模型发展史中,残差网络因其简单而有效的结构与异常有效的结果而占据了非常重要的位置,跨层连接在各种架构中都被使用。

那残差网络究竟从何而来?

残差网络为什么有效呢?

残差网络发展出了多少种结构?

【AI不惑境】残差网络的前世今生与原理

分组卷积移动端高效网络

我们不仅追求性能更强的模型,更追求性价比更高的模型。在移动端高效的模型设计中,卷积拆分和分组几乎是不可缺少的思想。

那么它们究竟是如何高效?

本身又有哪些发展呢?

【AI不惑境】移动端高效网络,卷积拆分和分组的精髓

关于残差网络,分组网络结构的发展和各种各样的变种,大家可以移步有三AI知识星球获取,有几十套模型解读。

【知识星球】超3万字的网络结构解读,学习必备

接下来还要讲什么

不惑境界要熟练玩转深度学习模型架构和数据,所以接下来还会包括模型训练技巧,数据使用,其他重要模型架构,有一些已经在有三AI知识星球中更新了,等不及的可以提前去学习。

如果你想配合修行之路进行实战,那么有三AI季划,便是为你而来。

有三AI夏季划

有三AI夏季划进行中,欢迎了解并加入,系统性成长为中级CV算法工程师。

转载文章请后台联系

侵权必究

本文分享自微信公众号 - 有三AI(yanyousan_ai),作者:言有三

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-07-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【AI白身境】AI+,都加在哪些应用领域了

    既然要说AI+交通,那就不得不提自动驾驶了,自动驾驶作为AI与制造业的一大产物,目前各大主机厂和IT公司都想在自动驾驶领域分一杯羹。另外值得注意的是习近平总书记...

    用户1508658
  • 【AI产品】一键去除杂物,Photo Eraser助你拍出美丽照片

    欢迎来到《AI产品》专栏,本专栏面向所有热爱人工智能技术的朋友、同学。在本专栏中,会多多分享给大家不同种类的且新奇有趣的AI产品,对产品中的核心技术进行深度剖析...

    用户1508658
  • 【完结】你对深度学习模型的理解是否足够深刻,这12篇文章可以作为一个参考

    好的模型结构是深度学习成功的关键因素之一,不仅是非常重要的学术研究方向,在工业界实践中也是模型是否能上线的关键。对各类底层深度学习模型设计和优化技术理解的深度是...

    用户1508658
  • 吴恩达获英特尔投资!这次,英特尔拿出7.85亿砸向AI创业公司

    英特尔投资在其全球峰会上宣布,拿出1.17亿美元(约合人民币7.85亿)投资14家创业公司。

    量子位
  • 2019全球AI人才分布图:美国占44%,中国人才净流入

    种种证据表明,当前顶级 AI 人才明显供不应求。但这种人才到底有多稀缺以及他们分布在全球哪些地方,却鲜为人知。本报告总结了我们对全球 AI 人才库范围和广度的第...

    机器之心
  • 一文看懂科技巨头 AI 战略布局

    【新智元导读】科技巨头纷纷投入 AI,谁将在这场军备竞赛中胜出?本文介绍谷歌等主要几家巨头公司的AI布局。不过,无论谁最后胜出,消费者都将受益。 人工智能正在迅...

    新智元
  • 因材施教,亦师亦友,AI+教育的模式走的通么?

    AI能给教育带来什么实际的价值?AI如何应用在K12教育中?目前AI+教育与传统教育的关系以及目前的发展状况如何?用户最关心的数据隐私该如何保护?

    大数据文摘
  • 一块屏幕改变不了命运!AI教育谁在裸泳?16家公司大起底

    最近两天《这块屏幕可能改变命运》刷爆了朋友圈,笔者身处教育行业,自然也免不了收到不少朋友的私信:“你怎么看?”

    新智元
  • 2019全球人工智能人才分布图

    种种证据表明,当前顶级 AI 人才明显供不应求。但这种人才到底有多稀缺以及他们分布在全球哪些地方,却鲜为人知。本报告总结了我们对全球 AI 人才库范围和广度的第...

    统计学家
  • 他曾让谷歌、Facebook成就传奇,现在正努力把AI推向公益化

    镁客网

扫码关注云+社区

领取腾讯云代金券