是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語音以及NLP？對于目前的深度學(xué)習(xí)模型，雖然深度學(xué)習(xí)的目標(biāo)之一是設(shè)計能夠處理各種任務(wù)的算法，但是深度學(xué)習(xí)的應(yīng)用還需要一定的專業(yè)化，目前還沒有通用的神經(jīng)網(wǎng)絡(luò)處理

是否存在通用的神經(jīng)網(wǎng)絡(luò)模型，可以處理圖像，語音以及NLP？

對于目前的深度學(xué)習(xí)模型，雖然深度學(xué)習(xí)的目標(biāo)之一是設(shè)計能夠處理各種任務(wù)的算法，但是深度學(xué)習(xí)的應(yīng)用還需要一定的專業(yè)化，目前還沒有通用的神經(jīng)網(wǎng)絡(luò)處理模型。然而，每一種模式也在相互學(xué)習(xí)、相互融合、共同提高。例如，一些創(chuàng)新可以同時改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)，如批量標(biāo)準(zhǔn)化和關(guān)注度。一般模型需要在將來提出。

圖像和視頻處理，計算機(jī)視覺，最流行的是CNN，卷積神經(jīng)網(wǎng)絡(luò)，它的變形和發(fā)展，CNN適合處理空間數(shù)據(jù)，廣泛應(yīng)用于計算機(jī)視覺領(lǐng)域。例如，alexnet、vggnet、googlenet、RESNET等都有自己的特點(diǎn)。將上述模型應(yīng)用于圖像分類識別中。在圖像分割、目標(biāo)檢測等方面，提出了更有針對性的模型，并得到了廣泛的應(yīng)用。

語音處理，2012年之前，最先進(jìn)的語音識別系統(tǒng)是隱馬爾可夫模型（HMM）和高斯混合模型（GMM）的結(jié)合。目前最流行的是深度學(xué)習(xí)RNN遞歸神經(jīng)網(wǎng)絡(luò)，其長、短期記憶網(wǎng)絡(luò)LSTM、Gru、雙向RNN、層次RNN等。

除了傳統(tǒng)的自然語言處理方法外，目前的自然語言處理深度學(xué)習(xí)模型也經(jīng)歷了幾個發(fā)展階段，如基于CNN的模型、基于RNN的模型、基于注意的模型、基于變壓器的模型等。不同的任務(wù)場景有不同的模型和策略來解決一些問題。

從RNN到LSTM，性能良好的神經(jīng)網(wǎng)絡(luò)到底是如何工作的？

RNN（遞歸神經(jīng)網(wǎng)絡(luò)）顧名思義，就是把以前的輸出（隱藏狀態(tài)）作為輸入，形成一個循環(huán)。

（RNN擴(kuò)展，圖像源：colah.github.io文件)

上面的展開圖清楚地顯示了RNN的結(jié)構(gòu)。不難發(fā)現(xiàn)RNN的結(jié)構(gòu)與序列化數(shù)據(jù)是一致的。實際上，RNN實際上主要用于處理序列化數(shù)據(jù)。

基本上，不使用原始RNN，而是使用RNN的變體。

漸變裁剪可以緩解漸變爆炸，而RNN變體（如主流LSTM和Gru）可以緩解漸變消失。

（一般是sigmoid層）建模輸入、輸出和遺忘。

（圖片來源：中新網(wǎng)/@左上角的藍(lán)色是輸入門，右上角的綠色是輸出門，底部的紅色是遺忘門。

深度學(xué)習(xí)如何從菜鳥入門？

如果你想開始深度學(xué)習(xí)，因為它涉及太多方面，你需要學(xué)習(xí)很多。雖然我已經(jīng)很長時間沒有學(xué)會深度學(xué)習(xí)了，但是我仍然有自己的學(xué)習(xí)方法和過程，主要包括三個方面：視頻教學(xué)已經(jīng)成為現(xiàn)在大多數(shù)人都會想到的最重要的自學(xué)方式，在網(wǎng)易云課堂等平臺上，你會發(fā)現(xiàn)很多視頻都是關(guān)于深度學(xué)習(xí)或機(jī)器學(xué)習(xí)的。但是有些視頻需要付費(fèi)，我會順便教你Python，但是我沒有親自去看這些課程。我建議你去見吳卓羲深度學(xué)習(xí).ai我們還可以在網(wǎng)易云課堂上找到免費(fèi)課程，課后我們還可以在網(wǎng)上搜索編程作業(yè)。本課程的好處在于，每個視頻都非常簡單直觀地解釋了一個知識點(diǎn)。平均每個視頻有7分鐘，非常短。讀完所有的作業(yè)后，我對深度學(xué)習(xí)有了基本的了解。如果你想看原始視頻和家庭作業(yè)，你可以付費(fèi)在coursera上觀看。它會在課后提供家庭作業(yè)并幫助你改正。還有社區(qū)交流。當(dāng)你完成所有學(xué)業(yè)后，你將獲得一張文憑。

Python是深入學(xué)習(xí)的必要語言。你會發(fā)現(xiàn)Python在所有教授深度學(xué)習(xí)的公開課中或多或少都會被提及。所以，如果你對編程感興趣，一個很好的方法就是嘗試使用代碼。我試著自己用Python編寫一個簡單的神經(jīng)網(wǎng)絡(luò)代碼，寫完后，我發(fā)現(xiàn)自己對這個原理了解得更多。胡圖最有趣的事情之一是去吉布。例如，有tensorflow樣式轉(zhuǎn)換項目和目標(biāo)跟蹤項目。也許當(dāng)你跑步的時候，你突然有了一個想法，你想把它應(yīng)用到一件小事上。

有很多關(guān)于理論的書。我個人認(rèn)為更好的學(xué)習(xí)方法是不完全理解原則。首先，通讀通俗易懂，通讀全部知識，然后在實際應(yīng)用或操作中深入理解，會給人留下更深刻的印象。讀書不一定要求你努力學(xué)習(xí)，但是當(dāng)你開始讀書的時候，你可以回去仔細(xì)看看。推薦兩本書：周志華的《機(jī)器學(xué)習(xí)》和伊恩·古德費(fèi)羅的《深度學(xué)習(xí)》，分別叫《西瓜書》和《花書》。