深度学习知识卡片：实践建议

继续之前的：

1. 《深度学习知识卡片：深度学习基本概念》
2. 《深度学习知识卡片：Logistic 回归》
3. 《深度学习知识卡片：浅层网络的特点》
4. 《深度学习知识卡片：深度神经网络的特点》
5. 《深度学习知识卡片：偏差与方差》
6. 《深度学习知识卡片：正则化》
7. 《深度学习知识卡片：最优化训练》
8. 《深度学习知识卡片：最优化算法》
9. 《深度学习知识卡片：超参数调优》
10. 《深度学习知识卡片：结构化机器学习过程》
11. 《深度学习知识卡片：误差分析》
12. 《深度学习知识卡片：训练集、开发集与测试集》
13. 《深度学习知识卡片：学习方法扩展》
14. 《深度学习知识卡片：卷积神经网络基础》
15. 《深度学习知识卡片：卷积运算的主要参数》
16. 《深度学习知识卡片：深度卷积神经网络架构》
17. 《深度学习知识卡片：经典卷积神经网络》
18. 《深度学习知识卡片：特殊卷积神经网络》

• 使用开源实现：从零开始实现时非常困难的，利用别人的实现可以快速探索更复杂有趣的任务。
• 数据增强：通过对原图像进行镜像、随机裁剪、旋转、颜色变化等操作，增加训练数据量和多样性。
• 迁移学习：针对当前任务的训练数据太少时，可以将充分训练过的模型用少量数据微调获得足够好的性能。
• 基准测试和竞赛中表现良好的诀窍：使用模型集成，使用多模型输出的平均结果；在测试阶段，将图像裁剪成多个副本分别测试，并将测试结果取平均。