第21章 《Startle Bundle》结束总结
1 本书总结
纵观《Startle Bundle》本书,我们学习了:
l 图像分类基础;
l 配置深度学习环境;
l 构建第一个图像分类器;
l 学习参数化学习;
l 学习基本的SGD和正则化技术;
l 研究神经网络;
l 掌握CNNs的基础;
l 训练第一个CNN;
l 探索更高级架构,包括LeNet和VGGNet;
l 学习如何画出过拟合、欠拟合;
l 应用预训练CNNs模型预测自己的图片;
此时,你对机器学习、神经网络和应用到计算机视觉的深度学习基础有了很强的理解,但是,学习之路才刚刚开始……
2 下一步学习
《Startle Bundle》仅仅是开胃菜,本书帮助你理解CNNs的基础,以及使用从头开始的示例帮助你理解深度学习的实际应用。
但是就像深度学习研究者发现更深入的研究将获得更精确的网络,作者建议你继续深入研究深度学习,如果你想要:
l 理解更高级的训练技术;
l 利用迁移学习训练网络更快;
l 工作在大数据集上,太大以至于如何加载进内存;
l 使用网络集成提高分类精确度;
l 探索更高级架构如GoogLeNet和ResNet;
l 学习深度梦境和学习风格???
l 学习GANs
l 在ImageNet数据集上从头训练最新的架构,如AlexNet、VGGNet、GoogLeNet、ResNet和SqueezeNetZ…
之后,建议你不要停止在这里,继续深入研究深度学习。
那么,现在我们就进入《Practitioner Bundle》的学习了!