นี่คือหนังสือที่น่าสนใจNeural Networks: Tricks of the Trade , ฉบับปรับปรุง 2012 ของหนังสือ บทความจำนวนมากโดยผู้บุกเบิกเครือข่ายประสาท
ypx ได้รับการฝึกฝนอย่างถ่องแท้เกี่ยวกับปัญหาการใช้งานจริงด้วยการฝึกอบรมดังนั้นเพื่อสัมผัสกับประเด็นอื่น ๆ ที่คุณยกขึ้น: ห้องปฏิบัติการอุตสาหกรรมชั้นยอดจำนวนมากยังคงเผยแพร่ผลลัพธ์ของพวกเขา สำหรับทีมเช่น Microsoft Research เพียงชนะ ImageNet 2015 และพวกเขาออกรายงานทางเทคนิคอธิบายโมดูลใหม่สุทธิลึก: ลึกที่เหลือสำหรับการเรียนรู้จดจำภาพทีมงานของ Google ตีพิมพ์สถาปัตยกรรมจัดตั้งกองทุนของพวกเขาเป็นอย่างดีไปลึกกับ convolutions ในระดับที่ไม่น่ารำคาญยังมีวัฒนธรรมในการเรียนรู้ของเครื่อง (ตอนนี้) ในการแบ่งปันนวัตกรรมที่ยิ่งใหญ่ อาจเป็นเพราะกุญแจสำคัญคือการเข้าถึงข้อมูล Google และ Facebook สามารถเข้าถึงข้อมูลที่เราทำไม่ได้ ยากที่จะบอกว่าเครดิตไปสู่นวัตกรรมอัลกอริธึมดิบเท่าใดและมีข้อมูลจำนวนมหาศาลเพียงใด
เกี่ยวกับสิ่งที่จะเกิดขึ้นในอนาคต? ยากที่จะพูด. มันเป็นปัญหาที่ผู้คนจำนวนมากได้ยกให้ว่า บริษัท ขับเคลื่อนข้อมูลเหล่านี้มีคุณค่ามากเพียงใดและมีความสามารถในการแข่งขันในตลาด แต่สำหรับตอนนี้ฉันคิดว่ามีความสมดุลที่ดีพอที่ห้องปฏิบัติการวิจัยอุตสาหกรรมแบ่งปันและไม่แบ่งปัน ฉันเข้าใจว่าพวกเขาไม่เปิดเผยการใช้รหัสที่แน่นอน แต่พวกเขาแบ่งปันนวัตกรรมที่แปลกใหม่
ค้นหานักวิจัยที่ตีพิมพ์ผลลัพธ์ที่สำคัญและอ่านอ่านอ่าน ฉันเชื่อใน AMA ของ Yann LeCun ใน Reddit เขากล่าวว่าเขาเป็นนักอ่านที่ไม่รู้จักพอ ฉันเชื่อว่านี่เป็นสิ่งที่สำคัญที่สุด และเท่าที่มันเป็นจริงลองสร้างมาตรฐานของพวกเขาหรือใช้วิธีการของพวกเขาไปยังชุดข้อมูลที่อยู่ในงบประมาณของคุณ
ฉันคิดว่าไม่ว่าคุณจะอยู่ที่ไหนหรืออยู่ในสถานที่ใดในชีวิตนี่คือวิธีที่ดีที่สุดในการฝึกฝนและพัฒนาทักษะของคุณ เป็นผู้อ่านที่ไม่รู้จักพอและใช้สิ่งต่าง ๆ และสร้างสัญชาตญาณ โดยส่วนตัวฉันไม่มีทรัพยากรที่จะเข้าร่วมในการแข่งขัน ImageNet แต่การอ่านบทความที่มีประสิทธิภาพสูงสุดของกลุ่ม ImageNet ได้ช่วยฉันอย่างมาก