- 快到结尾了，再让笔者水一篇 XDD，今天我们来聊聊 CNN 会不会是深度学习领域的最後呢?
CNN 就是最後了吗?
- CNN 我们前面提过他为何会被特别介绍是因为他的特殊意义，而後续实际上有非常多非常多的模型都延伸了 CNN 的概念甚至是优化了他们，因此当然 CNN 不会是深度学习领域的最後
- 那在这边先强调一下，深度学习领域非常的广泛，这个领域涉及了资料分析、图像影像辨识、音频语言分析等等，非常非常多不同的问题都可以利用深度学习的概念去解决，而 CNN 属於图像影像辨识类的模型，优势在於提取分析图片
- 因此当然 CNN 不会是一个结束，针对不同的应用场景大家都可以自己再去查询相关的资料，举例来说
- 因此我们可以发现深度学习领域还有很多值得大家去深入理解的，今天篇幅非常短（不要喷我 QQ），只是希望在这里告诉读者，这个领域还非常宽广，大家可以视着上 Pytorch 官网的 Network 去尝试利用别的网络再做一次手写辨识模型，来达到更高的准确率
- 但是在这里要再次强调，整个 Pytorch 的使用概念其实没有任何变化，大架构就是我们花了好多天建立起来的框架，会变化的部分就是 Model 的选择、loss function 的选择、优化器的挑选，和资料集的整理读取，因此熟悉前面的课程对於入门 Pytorch 有非常非常重要的意义，希望不要忽视了基本功
- 那明天我们来聊聊 Pytorch 的最後最後一块拼图，就可以下台一鞠躬了~
<<: 28 - lint-staged - Lint Git Commit 的档案
>>: [Day30]程序菜鸟自学C++资料结构演算法 – 心得总结