cnn

「65頁PDF」讓 PM 全面理解深度學習

本文匯總了深度學習相關的重要知識點，通過長圖和 PDF 的方式呈現給大家，歡迎各位 PM 下載。

本文是10種常見 CNN架構的可視化，幫助你全面了解 CNN 架構的進化過程。

他們的研究以及同期的一些其它工作表明這些模型也能廣泛地用於視覺基本元素之間關係的建模，包括物體與物體間、物體與像素間、以及像素與像素間的關係，特別是在建模像素與像素間關係上，既能與卷積操作形成互補，甚至有望能取代卷積操作，實現最基本的圖像特徵提取。

深度學習無法進行因果推理，而圖模型(GNN)或是解決方案之一。清華大學孫茂松教授組發表綜述論文，全面闡述GNN及其方法和應用，並提出一個能表徵各種不同GNN模型中傳播步驟的統一表示。文中圖表，建議高清列印過塑貼放手邊作參考。

CNN非常擅長對亂序圖像進行分類，但人類並非如此。在這篇文章中，作者展示了為什麼最先進的深度神經網路仍能很好地識別亂碼圖像，探究其中原因有助於揭示DNN使用讓人意想不到的簡單策略，對自然圖像進行分類。

最近，香儂科技發表研究，提出了一種漢語字形向量 Glyce。該研究基於漢字的進化過程，採用多種漢字古今文字和多種書寫風格，專為中文象形字元建模設計了一種 CNN 架構——田字格 CNN。Glyce 在 13 個（幾乎所有）中文 NLP 任務上達到了當前最佳性能。