【 以下文字转载自 AI 讨论区 】
主要使用c++，python，简单使用过caffe。

有没有好的教程？
--
FROM 43.243.12.*

keras，看kaggle和官网

【 在 GoGoRoger 的大作中提到: 】
: 主要使用c++，python，简单使用过caffe。
: 有没有好的教程？
: --
: ...................
--
FROM 155.64.23.*

深入理解也很简单啊

每个操作都是可微的，然后反向传导就是个对误差函数数值求梯度再乘以学习率的过程

误差函数作为一个复合函数，梯度的求导实际上是解一个计算图，这个工作被python完成后变成大量矩阵计算任务，分配到GPU完成

框架干的事情，就是把麻烦的东西包起来。比如动态学习率变化的经验算法，各种算子，奇奇怪怪的误差函数之类

【 在 GoGoRoger 的大作中提到: 】
: 昨天看了一天tensorflow，其实调调api也挺简单的，要深入了解就很难了，估计也没几个人真懂。
--
FROM 155.64.23.*

人工智能专家这个概念是青年导师们搞出来作报告用的

对于大多数任务来说，需要的不是优化模型而是优化数据。对于具体应用来说把SOTA的模型提高一点点准确率什么意义也没有。两三年前开始，优化模型这事情也可以用机器自动完成，电费比专家费低多了但还是卖不掉啊

【 在 GoGoRoger 的大作中提到: 】
: 这些我也知道啊，但你会优化模型吗？那些“人工智能专家”不是只会调api吧？
--
FROM 155.64.23.*

resnet，transformer这类是原理上的创新，不是优化模型，这些模型也不是SOTA。

优化模型，指的是kaggle上的为了刷分搞出来的奇奇怪怪的东西。

【 在 GoGoRoger 的大作中提到: 】
: 还是可以优化模型吧，像resnet解决了vgg模型过深的问题，还有一些文本的，我不太懂。
--
FROM 155.64.23.*