深度学习其实是吃了GPU应用带来的算力暴增的宏利吧，
传统模型先做一堆人为因素很大的特征提取和normalization，
然后学习，这其中损失有效信息可能很多，
深度学习很大程度上吃的数据更“靠前”，但是也更黑盒子…
极难判断事实上已经过拟合了。

你这个大熊猫是经典例子，另外谷歌做的视网膜诊断的模型在实践中也暴露了
在生产环境中数据采集质量低于训练集后模型失效的现象。

特斯拉一直在背后收集数据实际相当于某种程度的有监督学习…还是很重要的。

【 在 zzvc 的大作中提到: 】
: 函数拟合是所有机器学习的基础理论
: 不能解释深度学习为何就比其他模型nb，也不能解释深度模型长什么样效果会更好
--
FROM 114.244.137.*

elon个人激进。paypal spacex tesla都是超越时代的产品。他可能认为激光雷达只不过是一个过度产品，同时也受限于tesla要大规模铺开的成本，所以直接上纯视觉终极方案还有ota联网（事实上现在极简的仪表盘也是这一点的体现），借着tesla的大规模真实环境的数据，卖的越多数据越多，数据越多算法能力也极速增长。
所以加个激光雷达可能是简单，但售价就得到a8级别，真实数据也就少了；对于google来说，去掉激光雷达后未必差很多，但也有机会大规模商用。

【 在 zzvc 的大作中提到: 】
: 是的，所以这也是为什么尽管现在Google waymo看上去L4进度更快，但长远我还是更看好特斯拉的原因
:
: 毕竟加个激光雷达对特斯拉是很简单的事情，但要这么多真实有监督的数据可难多了
: ....................
--
FROM 223.104.3.*

估计将来激光雷达成本降下来了，马斯克会喊真香，哈哈

【 在 xdsoul 的大作中提到: 】
: elon个人激进。paypal spacex tesla都是超越时代的产品。他可能认为激光雷达只不过是一个过度产品，同时也受限于tesla要大规模铺开的成本，所以直接上纯视觉终极方案还有ota联网（事实上现在极简的仪表盘也是这一点的体现），借着tesla的大规模真实环境的数据，卖的越多数据越多，数据越多算法能力也极速增长。
: 所以加个激光雷达可能是简单，但售价就得到a8级别，真实数据也就少了；对于google来说，去掉激光雷达后未必差很多，但也有机会大规模商用。
:
: ....................
--
FROM 111.197.246.*