深度学习的优点
- 学习能力强;
- 覆盖范围广;
- 适应力强;
- 可移植性好;
深度学习的缺点
- 计算量大;
- 便携性差;
- 硬件成本较高;
- 模型设计复杂;
- 长于计算,弱于算计,很容易被 “hack”;
CNN 的应用场景
CNN 模型一般化示例
CNN 用于分类的一般网络架构为:输入层 --> (卷积层 + --> 池化层?) + --> 全连接层+,其中 + 表示存在多个,- 表示可有可无。如下图所示:
CNN 分类模型架构
CNN回归预测模型架构
CNN 生成特征图模型架构
CNN 生成注意力模型架构
CNN 生成分割图模型架构
CNN 生成艺术分割