如何确定我的深度学习模型需要哪种类型的图层？

Question

假设我想制作一个可以做某事的模型。现在，当我在谷歌或YouTube上搜索主题时，我发现许多相关的教程，似乎有些聪明的程序员已经使用深度学习实现了该模型。

但他们如何知道使用深度学习解决某些问题需要什么类型的层，什么类型的激活函数，损失函数，优化器，单元数等。

是否有任何技术可以了解这一点，或仅仅是理解和体验的问题？如果有人能指出我回答我的问题的一些视频或文章，那将是非常有帮助的。

Answer 1

这更多的是理解和经验。从头开始构建模型时，您必须了解哪个优化器，丢失等对您的特定问题有意义。为了正确选择这些，您必须了解可用优化器，损失函数等之间的差异。

关于选择多少层和节点，批量大小，学习率等等 - 这些都是超参数，您需要在试验模型时进行测试和调整。

我有Deep Learning Fundamentals YouTube playlist你可能会觉得有帮助。它涵盖了短视频中每个主题的基本基础知识。此外，如果您希望在获得基本概念后更多地关注编码，那么此Deep Learning with Keras playlist也可能会有所帮助。

Answer 2

感谢您提出问题。

1. CS231n斯坦福大学CNN讲座最适合初学者参考视频讲座here并提供课堂笔记here
2. 在观看讲座并完成作业后，您将了解深度学习的基本概念以及所有可用的算法等。
3. 但是当谈到解决现实世界的问题时，这还不够。所以请杰里米·霍华德this course在那里教授更多关于如何使用Kaggle平台解决问题的方法。
4. 使用hackerearth，Kaggle，topcoder等几个平台继续解决更多问题，试验新模型和算法。