1.需要大量樣本
雖然有一些方法可以減少對資料的依賴，比如遷移學習、少樣本學習、無監督學習和弱監督學習。但是到目前為止，它們的效能還沒法與監督學習相比。
2.過度擬合基準資料
3. 對影象變化過度敏感
對於任何乙個目標物件，資料集中只有有限數量的場景。在實際的應用中，神經網路會明顯偏向這些場景。
「組合**」
就說視覺領域，真實世界的影象，從組合學觀點來看太大量了。任何乙個資料集，不管多大，都很難表達出現實的複雜程度。
「解決之道」
靠組合模型培養泛化能力，用組合資料測試潛在的故障。
深度學習領域有什麼瓶頸？
知乎 深度學習領域有哪些瓶頸？peng bo的回答 知乎 個人認為，當前深度學習的瓶頸，可能在於 scaling。是的，你沒有聽錯。我們已經有海量的資料，海量的算力，但我們卻難以訓練大型的深度網路模型 gb 到 tb 級別的模型 因為 bp 難以大規模並行化。資料並行不夠，用模型並行後加速比就會大打...
程式設計師的發展瓶頸 如何突破瓶頸，瓶頸 突破瓶頸
首先要做到下面這些.1.自學能力是競爭力之本 2.自信能讓你與眾不同 3.興趣是學習效率的催化劑，培養自己的職業興趣。4.設定專案目標，以做專案的形式提公升學習效果，切忌無目標地學到哪算哪。5.話語權首先來自能力。6.難學的技能一旦掌握更具競爭優勢。7.用階段性成果不斷增強自己的自信，但最終支援自信...
如何跨過程式設計學習的瓶頸
今天看到一篇文章，寫得不錯，藉此送給初學程式設計的朋友們，雖然寫的是php程式設計學習，但我認為它同樣適用於其他的所有語言。千軍萬馬過獨木橋 這句話用來形容程式設計的學習過程好像在適合不過了。php也不例外，大量的語法結構，函式式，物件導向和高密度封裝等把小鳥們 剛開始學習程式設計的激情一點一點的磨...