一周后要進行深度學習考試。十幾周的課程下來，基礎部分掌握不是很扎實，高階應用部分更是N頭霧水。

在這種情況下，我閱讀了李宏毅老師的文章。通過這篇精悍之文，可以提綱挈領地把握深度學習的主體框架，可以對“深度學習到底在做什么事”有一點整體認識。

（此文通道如下）

• https://zhuanlan.zhihu.com/p/54483252#知乎#
• https://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758-a830-95d0a57e46bc&v=&b=&from_search=3?#LinkedIn SlideShare#
• https://github.com/yuneming/DeepLearningTutorial?#Github#
• http://speech.ee.ntu.edu.tw/~tlkagk/index.html?#李老師主頁#

學習后，我深深體會到，不論是在科研圈還是工業界，人工智能必定將是日后重要的技術工具。未來二十年，人工智能技術工程師（即文中所謂的“AI訓練師”）將逐步起到越發重要的作用。

后來，我又結合課程講義和《深度學習》教材，逐章復習掌握知識細節 。

5月28日，深度學習課程期末考試結束后五小時，我又回顧了過去這一周深度學習的復習情況，寫下了自己的一些體會。

第一，試卷上考察的很多知識點是非?；A的，我們只需要知道每一章節中最核心的基礎概念，就可以比較清楚的作答。

　　然而，上課時候的自己，對深度學習才剛剛接觸，初來乍到，生疏感、距離感很強烈，甚至對深度學習有一種崇敬的情感，學習時有一種“先入為主”的不自信，腦海里浮現著“我到底能不能學會”這些想法。

　　事實上，自己到了每門課的復習階段，才能體會到“哦，原來這門課就講了這么回事啊！” 驀然回首，發現要學的東西，其實就在燈火闌珊處，離自己并不遙遠，也沒那么高深，更不是深不可測。每個人只要搬個小板凳，拿一本最最基礎的課本，老老實實看上幾鐘頭，就能明白這門課究竟在講些什么東西。只不過，要想產生更深刻的領悟，需要重復上三五個，甚至十來個“幾鐘頭”。

　　所以，以后的學習一定要頂住最前面、最開始的10小時，20小時，50小時。不要怕概念的生疏和模糊，去查資料，一點一點地復習、回顧。不需為自己的遺忘感到自責，當發現以往學過的知識有點忘了，這是好事，因為這比你一點也找不到“抓手”，強得多。循著記憶的軌跡，重新復習，再在此基礎上拾級而上，學習新知，如此往復，才是學習正道。總而言之，發現不懂不會的，是好事，這樣才能學得越來越明白。

　　至于研究生階段簡單的課程考試，以這種學習方法來應對，顯然不成問題。

第二，課程作業包括論文閱讀和實踐項目，論文讀得不夠深入，項目沒有具體實踐成功，對自己要求松。

　　綜合整學期的課程，為保證其他課程順利進行，從戰略上對論文和項目沒有給予足夠的重視，以留給日后詳細解決。

第三，課堂上老師的授課內容自己跟不上，一方面不能怪老師講得不好（要怪寧肯怪自己水平不夠），另一方面自己要課下努力跟上，只有努力跟上，才是學習最好的方法。

　　平常很多時間沒有利用好，白白蹉跎了光陰。要養成好的工作生活習慣，克制自己的懶惰。偶爾破壞了習慣，要盡快恢復狀態，找回工作的狀態?！　∈謾C不能成為生活的核心，核心應是時間線。

---

?

下面是課程考試的復盤：

1.機器學習經典學習方法舉例，深度學習與之相比的優勢。

2.反向傳播算法簡單計算。深度學習網絡常見問題與解決思路。

3.卷積神經網絡參數計算。

4.長短時記憶和門控制循環網絡的模型圖和各個門的作用。

5.正則化的幾種方法。隨機梯度下降和Batch梯度下降的區別。

6.自編碼器和生成對抗網絡的模型圖和簡要說明。

7.強化學習的學習要素和學習算法。

8.機器翻譯的編碼解碼機制。

9.圖神經網絡的正向傳播。

同時，這也是本次課程的大綱內容，沒有完全掌握，是自己的問題。日后要在自學過程中逐個解決。

?

　　努力修煉！

轉載于:https://www.cnblogs.com/learingpark/p/10908047.html

總結

以上是生活随笔為你收集整理的一天搞懂深度学习（李宏毅）-学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。