当你的深度学习模型走进死胡同,问问自己这5个问题

  1. 云栖社区>
  2. 量子位>
  3. 博客>
  4. 正文

当你的深度学习模型走进死胡同,问问自己这5个问题

行者武松 2018-01-16 14:54:00 浏览667
展开阅读全文
本文来自AI新媒体量子位(QbitAI)

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

深度学习是一项庞大又复杂的工程,在建立深度学习模型时,走进死胡同被迫从头再来似乎是常事。

近日,Semantics3网站的联合创始人Govind Chandrasekhar在官方博客上发表了一篇文章,讲述了程序员在解决深度学习问题时的应该自问的五个问题。

Semantics3是一家2012年成立的数据科学初创公司,它创建了一个数据库,跟踪产品在网上的销售过程,为零售商提供数据。对于Govind Chandrasekhar写的这篇文章,量子位全文翻译如下:

研究数据科学是一件悲喜交加的事情。喜在当你偶然的发现提高了算法的性能,可能让你拥有持久的兴奋感;悲在你会经常发现自己站在一条单行道的尽头,苦苦探索到底哪里出了问题。

在这篇文章里,我将详述走过无数条深度学习死路后,得到的五个教训。在处理新问题或新方

网友评论

登录后评论
0/500
评论
行者武松
+ 关注
所属云栖号: 量子位