一天搞懂深度學習--學習心得

李宏毅教授教學的深度學習
投影片：www.slideshare....
我上完後的所學習到的心得

[@sailingj.9308]

the best intro to deep learning tutorial I have ever seen

[@huhuhoward5546]

已收藏，感谢

[@testchannel7022]

謝謝分享, 我也一邊看一邊回顧, 很棒

[@sunshaking]

7:42 I think it's approximately optimized solution instead of local optimized solution.

[@hencheung413]

Thank you so much, this is a very good interpretation of introduction of deep learning!

[@lovehwt]

Sigmoid Function = S 形函数, 不懂可以看它的函数图

[@migoliao3339]

願意分享知識 還整理並加以講解 100分!!

[@timchen8512]

謝謝

[@laokkkwww]

18:00 說minibatch正確率更高，我覺得這說法好像有點問題，因為我看到網上說minibatch是意思是介乎全部數據分組跟一個數據分組(Stochastic Training)之間的，所以應該說，minibatch比Stochastic Training更準確，但比跑全部數據更不準確。因為我剛入門，不知我有沒有理解錯。謝指正

[@smfanqingwu1474]

注意看4：26秒说到 1 和 2 的区别，在1980年代，计算机科学界出现了两大难题，都是跟中文输入电脑有关：第一个是如何在设计出汉字字库之后用激光照排来输入，毕竟当时没有搜狗输入法，看着文稿人打印慢死的。第二个问题，如何在用手写板类的输入进行识别字母（当然现在电脑城几美元就可以买一套手写USB装置）。两个概念，都是用到类似的技术。

[@paulplayai2673]

最近在接觸影像處理的領域,看到深度學習覺得可以應用

[@martinma1680]

个人认为讲的非常不错

[@hudsonvan4322]

哇 好興奮呀 紫楓也太強了 會手機程式又會AI

[@PurpleMapleAI]

哈哈哈

[@deeplearningchang3946]

15:00 - overfitting 不是餵給太多資料.

[@Euryugasaki]

虽然是这样没错，我觉得他的意思因该是在 dataset 大小恒定的情况下，给 network 的 training data 太多，从而 test data 太少，出现 overfitting

[@yiwei-cheng]

確實說錯了，過度學習 並非資料太多，而是過度擬和曲線，造成整個模型，把每個data的微小差異都給記下來，等於是直接把訓練資料給背起來一樣所致

[@PurpleMapleAI]

感謝指正!!

[@patrickruan2290]

overfitting 是指資料太少，模型太複雜，所以去遷就那些不能真切描述 "全貌“ 的資料，所以要解決 overfitting、老師的講義有說： 1.) 增加訓練資料 2.) 加入 regularization 對 weight做一些限制，有點不要太敏感。

[@cobbee1976]

overfitting 應該不是你理解的這樣 應該是上面 鄭宜崴 所說的，是過度訓練，完全 fit training data ，所以在 test data實測 誤差比想像的大，如同老師提的 駕訓班學車 過度學習開車原則 只適用於駕訓班場地 實際上路 會開不好。

[@fmx1304]

Is there anyone who listen or watch the whole video? I don't think so.

[@skylaylan]

真的很棒的一个引路讲解。。。

[@huidey3159]

多谢分享！

[@WenjunLv]

good tutorial!

[@GoGoNow]

Brilliant! Thank you!

[@周卫国-c2p]

very good video to learn deep learning!!!

[@JKD357]

你還不夠熟, 因為你講不出深入的原理 但夠勇氣出來介紹

[@黃柏瑋-k8t]

調1.25倍速度
把講義印出來或是用ipad邊看邊記筆記
講得還挺清楚的啊🤔🤔🤔🤔🤔

[@DanielDing-n6h]

感谢分享，对我很有启发

[@uutt4087]

感谢分享。。

[@alan6506305]

晚了3年才看到， 相见恨晚啊。

[@haojiechen4284]

问一下，Deep learning和CNN有什么关系？CNN是deep learning的一个应用吗？

[@黃柏瑋-k8t]

CNN應該是把資料作預先處理後在丟給深度學習
如果沒理解錯的話

[@haojiechen4284]

@@黃柏瑋-k8t 谢谢。已经知道了

[@esleader]

一開始覺得講得不錯，後面有點可惜
比如說Pooling的意義是什麼?
一下就跳過這樣? 為啥要取特徵值大的去pooling...
有點避重就輕的講解...
可能是還不太熟>< 加油 多多訓練分享
變成自己爬文去找沒講清楚地方這樣

[@樊士庆]

感谢分享！通俗易懂！

[@李函穎-f7q]

感謝您!!
真的收穫良多!

[@kwl118]

谢谢分享！

[@andyhuangtw2024]

thanks for your sharing

[@lms5566]

不錯喔! 謝謝您讓我多學了!

[@JKD357]

不會教,不懂:就說這樣子、這樣子, 從頭到尾就說這樣子. 那是怎樣子?

[@LJHuang-jn8bj]

Very excellent introduction. Overfitting, GA 是 local minima 部份似有疑慮

[@haruhiuab6828]

作為一個overview非常不錯

[@cherngywh]

Overfitting跟統計概念中的樣本推導有關，跟data數量沒太大關聯

[@cklonger]

請問24分時，停下來是指資料取部分還是指找theda的最佳解

[@xsuper6086]

找了能用的theda吧

[@cobbee1976]

講者這裡沒有理解的很清楚，Testing data 跟 Validation data 是不一樣的，不是差不多。
Testing data是指未來要測的 "未知" 資料， Validation data 是指手邊有的 "已知"的data 沒有拿來用於training，可以拿來當作testing data驗證。你會有 Validation data的曲線，不會有 Testing data 的曲線。誤差最小是跟 Validation data比較。

[@jllee5374]

good,very good.

[@jenhausu]

你的影片太讚啦！

[@evolvingAI]

CNN 原理讲得透彻！ good job. thanks

[@shichaopei6296]

非常棒~~

[@jianjuly792]

讲得很好

[@peterstoical9896]

Thanks for sharing

[@andtopoafk8747]

讲得很好👍

[@kanashigure8364]

Thanks for sharing~

[@bearblack5735]

现在都是死记硬背

[@bidewu563]

讲得不错 发音有些头疼。。

[@zhangmartin5872]

Great.

[@ziyuanzhang1057]

Thanks!

[@VagrantOTAKU]

感謝分享XD

[@haibinling7459]

very nice

[@zxcvbnd]

中文发音就不吐槽了，这个英文发音实在是受不了

[@elevenkbc7910]

0:32 有四個 "塔比克"， 深度學習的 "出捏英"

[@random4055]

那...那...那...那...那...，聽得好累

[@張淑玲-c6t]

太難了！

[@chungtu4027]

1*(-1)=?

[@jenhausu]

我發現李教授在十月時有自己釋出影片
th-cam.com/video/Dr-WRlEFefw/w-d-xo.html

[@miku3920]

真是笑死，一邊說著傷人的話，一邊說我沒有要傷害你的意思

[@miku3920]

如果真心希望他能講的更好才不會用批評的語氣

[@miku3920]

而是用希望他繼續做下去的語氣

[@miku3920]

這種事本來就是靠累積的，怎麼可能一開始就天生神力，講到每個人都跪著聽

[@crazysnow9501]

废话真特么多

[@hudsonvan4322]

還行吧

[@draculawu8778]

英文發音好爛，很多單詞都是亂讀的誒

[@canperray393]

Thanks for sharing