|
心得分享：
1、model的英文叫妈豆；
2、如果有标注数据就优先考虑做监督学习(Supervised Learning)，而不是强化学习(Reinforcement Learning)。因为强化学习是在数据比较少时被发明的，同时其实也和人类的学习方式较像；
3、如果有一堆已分类的图像和一堆未分类的图像，其实未分类的数据也对最后的模型优化有帮助，类似半监督学习(Semi-supervised Learning)的概念；
4、如果完全没有标注，也可以考虑使用非监督学习(Unsupervised Learning)，如果纯从图标学到图片的固有特征从而分类，或者不带标注的生成对抗网络(GAN, Generative Adversarial Networks)的技术；
5、1956年夏季，由香农等人在达特茅斯会议上提出了人工智能(Artificial Intelligence)的概念；
6、迁移学习(Transfer Learning)也是一种数据量不足、能加快训练的方法，通过学习到某些固有特征，快速引用的新的类别中，之前做了个简单的可以体验https://tekii.cn/toyEasyDL/；
|