“ 神經(jīng)網(wǎng)絡(luò)模型并不是通用模型，不同的問題需要設(shè)計(jì)不同的神經(jīng)網(wǎng)絡(luò)模型，千萬不要想著一個(gè)模型打天下 ”

神經(jīng)網(wǎng)絡(luò)作為當(dāng)前人工智能領(lǐng)域最炙手可熱的技術(shù)，其技術(shù)原理也相對(duì)比較復(fù)雜；而在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的過程中也面臨著很多問題和感受，因此這里就簡(jiǎn)單記錄一下。

關(guān)于神經(jīng)網(wǎng)絡(luò)

從本質(zhì)上來說，所謂的神經(jīng)網(wǎng)絡(luò)就是一個(gè)模擬人類大腦的數(shù)學(xué)模型；而為了解決不同的問題，技術(shù)專家們也設(shè)計(jì)了多種不同的神經(jīng)網(wǎng)絡(luò)模型，比如RNN，CNN以及Transformer等模型，以及基于這些模型的變種。

不同的神經(jīng)網(wǎng)絡(luò)模型擅長(zhǎng)解決不同領(lǐng)域的具體問題；比如CNN——卷積神經(jīng)網(wǎng)絡(luò)就比較適合處理圖像任務(wù)；Transformer擅長(zhǎng)處理自然語言問題。

當(dāng)然，受限于目前的技術(shù)問題，還沒有一種通用的神經(jīng)網(wǎng)絡(luò)模型能夠解決所有問題；因此，根據(jù)不同的任務(wù)就只能設(shè)計(jì)不同的神經(jīng)網(wǎng)絡(luò)模型；以上三種神經(jīng)網(wǎng)絡(luò)架構(gòu)只是目前市面上比較常見的，比較通用的神經(jīng)網(wǎng)絡(luò)架構(gòu)；并且在處理具體任務(wù)時(shí)，不同的網(wǎng)絡(luò)架構(gòu)也可以嵌套使用。

其次，從技術(shù)的實(shí)現(xiàn)角度來說，目前市面上有兩大技術(shù)框架；一個(gè)是谷歌公司開發(fā)的Tensorflow框架，以及Meta公司開發(fā)的PyTorch框架。

當(dāng)然，神經(jīng)網(wǎng)絡(luò)最重要的是其實(shí)現(xiàn)思想，所以使用什么語言，以及什么技術(shù)都可以根據(jù)自己的喜好進(jìn)行選擇；而不論是Tensorflow還是pyTorch框架，只是方便技術(shù)人員的開發(fā)；使得技術(shù)人員不需要所有東西都從0開始。簡(jiǎn)單來說就是，你用這兩個(gè)框架也可以，不用這兩個(gè)框架也可以。

神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)流程：

要想設(shè)計(jì)和實(shí)現(xiàn)一個(gè)能夠解決具體問題的神經(jīng)網(wǎng)絡(luò)模型，需要經(jīng)過以下幾個(gè)步驟：

• 明確任務(wù)目標(biāo)，即你想設(shè)計(jì)一個(gè)具備什么功能的神經(jīng)網(wǎng)絡(luò)模型
• 構(gòu)建模型 即使用什么架構(gòu)，以及具體的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，就是神經(jīng)網(wǎng)絡(luò)的具體實(shí)現(xiàn)
• 數(shù)據(jù)準(zhǔn)備 收集任務(wù)目標(biāo)所需要的訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集等
• 模型訓(xùn)練 驗(yàn)證與測(cè)試使用等

神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)比較復(fù)雜，不但要設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的輸入輸出，還要設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)有哪些層，每層的功能實(shí)現(xiàn)是什么樣的；并且，由于神經(jīng)網(wǎng)絡(luò)主要以向量格式為主，因此還需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行處理，比如構(gòu)建詞匯表，分詞，向量化等操作。

而一個(gè)神經(jīng)網(wǎng)絡(luò)的好壞，一是看神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)；二就是訓(xùn)練數(shù)據(jù)的質(zhì)量；因此，要想訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)就需要收集大量的高質(zhì)量的訓(xùn)練數(shù)據(jù)。而數(shù)據(jù)收集到之后還不能直接使用，還需要經(jīng)過清洗，格式化等操作。

目前神經(jīng)網(wǎng)絡(luò)模型除了受限于算力問題之外，還一個(gè)非常嚴(yán)重的問題就是訓(xùn)練數(shù)據(jù)的問題；傳說openAI在訓(xùn)練GPT-4時(shí)已經(jīng)把能找到的所有數(shù)據(jù)都用完了。

受限于自己的基礎(chǔ)問題，雖然從網(wǎng)上找了一些博客手動(dòng)實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)模型；但到現(xiàn)在也沒想明白，為什么這些數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)里七顛八倒之后，就能夠?qū)W習(xí)到數(shù)據(jù)的規(guī)律。

總之，學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)最重要的不是看理論，最好的方式就是自己手動(dòng)實(shí)踐，根據(jù)自己的實(shí)際問題，去設(shè)計(jì)和實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)；這樣你就能明白神經(jīng)網(wǎng)絡(luò)到底是怎么運(yùn)作的。

在使用神經(jīng)網(wǎng)絡(luò)解決實(shí)際問題的過程中，切記不可指望一個(gè)神經(jīng)網(wǎng)絡(luò)模型就能套用到所有問題中，那是不可能的；基本上每個(gè)問題都需要設(shè)計(jì)一個(gè)不同的神經(jīng)網(wǎng)絡(luò)；區(qū)別可能就是有些相似度比較高的問題，可能在現(xiàn)有的神經(jīng)網(wǎng)絡(luò)模型上進(jìn)行適當(dāng)?shù)恼{(diào)整與修改。

本文轉(zhuǎn)載自公眾號(hào)AI探索時(shí)代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/KSeBhEjeL9g8NCz-Vi5HiQ??