說起深度學習與CNN，想必大家很熟悉；說起計算機視覺中的目標檢測等各個方向，相比大家平時也接觸過不少東西了；不過有兩個小的方向，雖然相關的論文、項目、甚至研究方法都不多，卻是做研究與實際項目落地中非常重要的技術，那就是對數據使用方法的掌握與模型的理解，這是容易被大家忽視的問題，下面我們簡單說道說道。

關于數據你應該知道

大數據本來就是一個專門的學科，不過我們這里說的不是專指大數據，而是指在深度學習項目中數據的使用，至少有好幾個方向有非常多的內容值得掌握。

數據的獲取

數據是深度學習系統的糧食，當前的大部分工業落地模型，都依賴于大量數據進行學習，所以獲取是第一步！如果沒有超越百萬級圖片數量的ImageNet數據集的整理提出，深度學習計算機視覺算法的落地進程肯定會被推遲！

那ImageNet數據集從何而來！靠的就是數據爬蟲和在線的眾籌標注平臺！其實大部分圖片開源數據集都是依靠數據爬蟲獲取然后進行整理的，所以爬蟲是你必須掌握的。

數據的整理與標注

隨著各類基礎算法的成熟，決定模型能否上線的關鍵，很大程度上取決于數據的質量以及數據是否被正確地使用！你和大廠差的往往并不是算法的先進性，而是數據的多少與使用方法！拿到數據之后怎么用，絕對是一個必須要好好思考的問題。舉一個簡單的例子，數據的來源是很廣泛的，不同類型數據的難度不一樣，我們在公開數據集中經常會看到hard，medium，easy這樣的分級，而在我們的項目中，也是經常需要這樣去進行分級的，不同類型的數據其實不能簡單地就混在一起使用，這個問題你有好好想過嗎？有真的去做了嗎？

沒有算法能取得百分之百的精度，我們往往是用簡單的數據先進行方案認證，中等難度的數據精度作為上線標準，而高難度的數據作為后續的技術攻關，不能因為無法解決一些超級難的案例而否定模型，數據的整理與使用絕對是非常需要工程經驗的。

另外一方面，數據的標注雖然不算是高技術壁壘的活兒，但如何提高效率，顯然也是值得重視的，相關的行業，可并不小！國內有很多的數據標注基地和公司，比如百度山西數據標注基地。

自動化的標注工具與平臺，也是一個非常重要的小方向，像NVIDIA和百度這樣的大公司，就從事相關的研究。

數據增強使用

數據增強方法的重要性，我想已經無須再做過多的介紹了，因為做過算法落地、打過競賽的朋友一定深有體會！同樣的模型，因為數據使用方法的不同，精度可能天差地別；數據增強做得好，100張圖片也能浪；數據增強做不好，模型妥妥的過擬合；數據增強沒選對方法，模型上線肯定出問題。

數據增強方法眾多，從有監督到無監督，從單樣本到多樣本，從基于規則到自動化，是一個需要系統性掌握的領域。

再回過頭來看，你對數據的掌握，有多么熟練呢，平時做相關的工作時，花了多少心思重視數據相關的使用技巧呢？

如果覺得有所缺失，我們平臺推出了《深度學習之數據使用》的課程，主講老師為言有三，目標是幫助大家掌握好深度學習中的數據使用，課程價格只有99，頂一頓火鍋。

本課程內容包括數據的獲取，數據的整理，數據的標注，數據增強，數據的分析等領域，覆蓋了深度學習中數據使用的各個方向，大綱如下：

詳細的課程內容介紹，請點擊下圖跳至閱讀：

關于理解模型你應該知道

深度學習模型使用的門檻雖然低，但模型參數多，網絡結構復雜，模型結構的設計以及訓練過程中超參數的調試，都非常依賴于經驗。結果不好，是數據的問題還是模型的問題，往往分析起來比較困難。如果是數據問題，那到底是什么問題？如果只憑經驗，沒有很科學的分析工具，仍然會有盲人摸象的感覺。

提起模型，我們不能僅僅知道模型的名字和大小，那太粗淺了，先了解它，才能用好它！對模型進行相關的分析是非常重要的，至少有幾個方向需要掌握。

可視化分析

模型結構的可視化是基本操作、我們不可能只依靠代碼去想象模型的拓撲結構，各個網絡層的連接方式與參數細節配置，需要能夠隨時進行可視化，這樣方便我們了解模型調整時的變化。

模型的權重以及所學習到的特征，對于了解模型的內在是必備技術。這樣我們就能知道模型到底學習到了什么特征，是不是我們期望的特征，從而不再僅僅將模型當作是一個黑盒子來使用。

復雜度分析

深度學習模型很復雜，那到底有多復雜，用什么指標來衡量，怎么計算，有什么工具可以使用呢？

怎么更精確地統計模型的速度，怎么分析模型的速度瓶頸在哪個地方從而進行后續的優化，對優化模型來說，這都是需要考慮的問題！這些你存儲了多少相關的技能呢？

如果覺得有所缺失，我們平臺推出了《深度學習之模型分析》的課程，主講老師為言有三，目標是幫助大家掌握好深度學習模型分析的常用方法。課程價格只有99，頂一頓火鍋。

本課程包括模型分析的幾個重要方向的理論與實踐（基于Pytorch），大綱如下：

詳細的課程內容介紹，請點擊下圖跳至閱讀：

尾記

萬丈高樓平地起，雖然現在的信息非常繁雜，我們平時在工作和學習過程中面臨著各種快速出結果的KPI，但是磨刀不誤砍柴工，只有基礎扎實，才能游刃有余！我們一直強調大家要系統性地掌握好知識，而不是練快刀，因為走捷徑式的領先，終將后繼乏力！

以上的兩門課程目前加起來一共6個多小時，屬于我們平臺最基礎最便宜的課程，在目前的每一個CV季劃大專欄中都會配置，就是希望大家無論做什么方向，都要掌握好這兩項基本技術。

其他相關的基礎課程，大家還可以關注CV基礎合集，包括《深度學習之圖像分類-理論實踐篇》，《深度學習之目標檢測-理論實踐篇》，《深度學習之圖像分割-理論實踐篇》，共計50余小時，深度和寬度，都足夠讓大家修煉好內功了。

詳細的課程內容介紹，請點擊下圖跳至閱讀：

轉載文章請后臺聯系

侵權必究

往期精選

• 【視頻課】超全深度學習路線圖，有三AI所有免費與付費的視頻課程內容匯總！
  

總結

以上是生活随笔為你收集整理的【杂谈】关于数据和模型，初学者极容易忽视的两个问题！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。