中国艺术研究院好考吗_amd中国研究院_中国鼻科研究院在哪里(7)

谷俊丽：预处理包括：图像截取，移位，不同图像打成batch一起处理

新疆武新： 关于非标签的DNN，比如那个Google 猫的案例，我怎么感觉这是个鸡和蛋的问题。 如果我们没有给系统提供任何关于猫的定义或描述，系统即便能识别出猫这个形状，怎么可能告诉我们这是猫哪？ 就像个小孩子，从来没见过猫，也没人告诉他猫是什么样，有一天他见到一个猫，是没有办法从嘴里说出这是猫的。

谷俊丽：是google研究员在分析机器学习出来的特征时，看到了有神经元识别出来的是猫脸。

huailin：弱弱问一个问题：您是系统／体系结构背景，还是AI／图像的？ 懂的真多。真心佩服。

谷俊丽：@新疆武新，您这个问题其实非常sharp,一个好的神经网络训练完之后，不同的神经元代表不一样的特征，比如有的对猫脸，有的对人脸，有的对人的背影。

尚硕：请问dnn中mlp、卷积等目前有比较系统化的应用方向么？

俊丽：

大家看看这张图片，就是学习出来的不同物体的特征，有人脸，汽车，大象等

俊丽：MLP应用比较广泛，语音识别用的就是它；图像识别主要用卷积神经网络

武新 ：我好像明白了：要先有一个训练后能识别锚脸的神经元网络，然后用它去识别具体图像，不断迭代下去，识别会越来越精准。是这样吧？

谷俊丽: 应该这么理解，神经网络学习到的是一堆各种各样的特征，有的物体可能一个特征能够描述，有的需要不同特征组合起来能够描述；输入的图像总类越多呢，网络越能知道什么物体需要什么特征组合来描述。

谷俊丽：再多说一句，现在的图像识别能分类两万多种物体。现实世界的常见物体都能识别了

董振江： 类似于找最大公约数

Brain Lai：今天的课题太有意义了对大数据 感谢@junli

陈新河：今天技术够深，把群中搞技术的都唤醒了

彭永辉 ：MLP有overfit 问题，卷机网络学动态数据好。NN对输入敏感，所以预处理部分的作用异常重要。

俊丽：一个主流模型可能有十亿个参数，可以表达很多物体的，因为里面可能有亿亿个神经元，各种互联

卿刚：APU的物理尺寸如何？集群上的并行计算编程环境易用吗？@AMD谷俊丽?

谷俊丽： 现在的APU跟传统的CPU大小一样，看不出来区别；以后未必；编程环境用的是OpenCL，AMD的GPU和APU都用OpenCL，OpenCL可以运行在多种异构平台上，多家公司都在支持OpenCL，NVidia平台上也可以运行，亿亿的神经元，具体数目可能不准确，但是人类大脑神经元数目远比我们现在的深度神经网络要大的多，所以才有强大的学习能力，推理＼归纳能力。

新疆武新： OpenCL 可以和C／C 混搭使用吗？ 是不同的进程空间吧？

谷俊丽：OpenCL可以混合C、C＋＋

Brian Lai: @junli 是不是一种类别，就需要一个neural network 模型呢？还是都放在一起？

谷俊丽：都在一个模型中

YH@Peng: MLP有overfit 问题，卷机网络学动态数据好。NN对输入敏感，所以预处理部分的作用异常重要

卿刚：感觉Nvidia这类公司，可能要重金请你，因为技术创新可能省掉一张卡呀，说笑说笑，2者今后可能即有竞争也有补充

谷俊丽：谢谢@Q.G肯定

Brian Lai：@junli 如果weight 的表达是[0,1] ， 粒度变的无限细的时候，那么控制的学习的算法是不是需要混合的呀？

谷俊丽：@回到北京-Brian Lai，不太明白您的问题，weight一般是浮点型数据。每次学习调整的幅度很小，比如0.1%的幅度

Brian Lai：@junli 感谢今晚的精彩分享！

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/dianqi/article-33771-7.html