cnn

「65页PDF」让 PM 全面理解深度学习

本文汇总了深度学习相关的重要知识点，通过长图和 PDF 的方式呈现给大家，欢迎各位 PM 下载。

本文是10种常见 CNN架构的可视化，帮助你全面了解 CNN 架构的进化过程。

他们的研究以及同期的一些其它工作表明这些模型也能广泛地用于视觉基本元素之间关系的建模，包括物体与物体间、物体与像素间、以及像素与像素间的关系，特别是在建模像素与像素间关系上，既能与卷积操作形成互补，甚至有望能取代卷积操作，实现最基本的图像特征提取。

深度学习无法进行因果推理，而图模型(GNN)或是解决方案之一。清华大学孙茂松教授组发表综述论文，全面阐述GNN及其方法和应用，并提出一个能表征各种不同GNN模型中传播步骤的统一表示。文中图表，建议高清打印过塑贴放手边作参考。

CNN非常擅长对乱序图像进行分类，但人类并非如此。在这篇文章中，作者展示了为什么最先进的深度神经网络仍能很好地识别乱码图像，探究其中原因有助于揭示DNN使用让人意想不到的简单策略，对自然图像进行分类。

最近，香侬科技发表研究，提出了一种汉语字形向量 Glyce。该研究基于汉字的进化过程，采用多种汉字古今文字和多种书写风格，专为中文象形字符建模设计了一种 CNN 架构——田字格 CNN。Glyce 在 13 个（几乎所有）中文 NLP 任务上达到了当前最佳性能。