AI学习——CS230 P2 Deep Learning Intuition

这节课的名称挺有意思，深度学习直觉。

如名称所言，课程中没有介绍具体的深度学习算法，而是主要介绍如何利用深度学习去解决一个实际问题，从数据集、输入、输出、数据结构几个方面讲解了使用深度学习解决问题的思路。不管对于初学者，还是有经验的研发人员，我认为这个思路都是非常重要的。当然我现在也还是初学者，资深开发可能会有更深入的思考，也许还有其他看法。

课程中列举了几个例子：分辨图片的白天和黑夜，识别图片中是否有猫，识别学生的学号，后面可能还有其他的，暂时就看到这里，我先大概总结一下这几个例子的学习心得。

1. 数据集的选择

选择数据集是Kian所描述的解题思路的第一步，其实我个人认为，在选择数据集之前，应该还有一些步骤，比如分析问题是否适合用深度学习方法解决等。不过不管怎么说，选择数据集确实是项目前期非常重要的一环，而且会直接影响到最终的实现效果。

选择数据集大概需要考虑以下几个因素：大小、标注、图片来源、训练集和测试集的划分。

1）数据集大小

数据集多大合适，这个要看问题的复杂程度。比如分辨昼夜，10000张图片就可以了，而识别学生的学号，需要更大的人脸数据集。选择多大合适，Kian并没有很理论的讲解，我认为很大程度上还要取决于开发者的经验吧。

2）图片标注

图片标注虽然看似很简单，但对于深度学习算法而言却是非常重要的。仅仅有训练数据是无法训练出一个智能网络系统的，好比人类学习的过程，需要有人教导，告诉你什么是对的，什么是错的。计算机只能分析数据，通过神经网络，计算机可以将图片的特征提取出来，但也仅此而已，它还需要你告诉它哪些特征是白天的，哪些是黑夜的，它才能最终完成识别工作。

3）图片来源（样本选取）

不同的问题场景，所需要的图片来源不一样。识别猫选取有猫和无猫的照片即可，分辨昼夜需要选取同一个地方白天和晚上的图片，识别学生的学号就比较复杂了，因为摄像头处在不同位置，比如教室、体育馆、走廊等位置，每个地方的背景、角度是不一样的，需要从这些不同的场景中将学生识别出来，每个学生提供多张不同的照片，并且我认为样本不一定局限于该学校的学生，因为学校的学生可能就几千人，样本数不一定足够，可以结合其他人脸数据集一起训练，提升算法的识别准确率。

4）训练集和测试集的划分

这个似乎没啥好讲的，测试集不需要太大，样本数量足够，能体现准确率就行。小一点的数据集，可以采用80/20来划分，大的数据集，甚至可以采用98/2的划分比例。

2. 算法输入

作为一段算法程序，深度学习和其他传统的算法在某些方面并没有太大区别，比如标准化输入。

在原始数据集中，图片的格式、像素以及其他特征可能会存在着很大的区别。以像素为例，神经网络是通过矩阵进行运算的，无法处理像素大小不同的图片，并且像素的大小也直接决定了算法运行的效率，像素越大，矩阵的维数越大，需要消耗的计算资源就越多。因此我们需要将图片转化为统一并且大小合适的格式，在不影响算法效果的前提下，以期最高效地利用计算资源求解问题。

数据预处理不仅限于图片的格式和大小，要具体问题具体分析。比如案例3中的学生人脸识别，在训练算法前还需要对图片中的人脸进行对齐和裁剪，否则训练效果将大打折扣。对于非图像识别的算法而言同样需要预处理，比如文本语义识别，需要去除文本中的标点符号，以及其他的一系列操作。

3. 算法输出

 

4. 数据结构的选择