AI 從頭學（一六）：Deep Learning，What？

AI 從頭學（一六）：Deep Learning，What？

2017/03/21

-----

Fig. Deep（圖片來源：PixaBay）。

-----

看 GAN 有一小段時間了。上週 Jason 建議我看 Goodfellow 的 Deep Learning 之後，我當天晚上就把第二十章翻過一遍，找到 GAN 相關的章節。然後在星期天利用半天的時間看懂 GAN 這篇論文。當天晚餐時邊吃飯又順便看懂 LSTM。希望在我已經寫過這系列文章的此時，不要被認為是在吹牛。

這篇其實只是預告，接下來我會花一些時間，把我知道的 CNN、RNN、以及 GAN 整理一下寫出來。目標是講的很淺近，造福像我一樣的入門者，不會寫的很深入，我目前的程度，也無法寫得很深入。

-----

我何其幸運，在適當的時候，得到適當的指點，而且我還咬著牙照做了。

-----

寫完 GAN 後我要繼續忙 HLS 跟 AWS，所以沒有時間把第二十章詳細讀完，但是我答應，如果 Jason 要我講我寫的東西，我可以準備一下，找個時間到讀書會報告。

本來我覺得我的程度不夠，參加讀書會無法吸收。但是看懂 GAN 後，連帶 Representation Learning 的基礎是 Autoencoders，都屬生成模型。然後 Reinforcement Learning 是一堆方法的集合。這些我都有興趣了。如果 Jason 找我到讀書會聽報告，有時間我也樂意到會場向眾講師們學習。

要跟 Jason 說聲抱歉，目前我能做的，就只有這樣了。

-----

Jason 辦讀書會的目的是：凝聚並壯大台灣人工智慧社群力量，促進人工智慧相關研究、技術和產業在台灣的深耕、發展、應用與合作。

我自己學 DL，是為了將博士論文變成一個服務、一家公司。前一段時間本來要用 Big Data，後來發現 AI 才是王道。

你呢？

-----

引用 FB 資料 ：

1. LeNet

Mar ang ： 

Mar ang ：

Mar ang ：

2. GAN

Jason Tsai： 東看西看不見得是最有效率的方法。有心的話，認領 Deep Learning 一書其中一個章節 (13章(含)以後) 來參加一個月一次的 Deep Learning 101 讀書會。

-----

出版說明：

2019/10/09

最近剛看了 M2Det，一個比 YOLOv3 更快更好的 Object Detection 的演算法，順便說說心得好了。

基本上，M2Det 由 VGGNet、FCN、NIN、U-Net、SENet、SSD 這些舊論文組成，所以你如果什麼都不懂，直接讀 M2Det，那你還是得一一去讀那些舊論文。很多人喜歡追新論文，但如果你基礎的論文只知道一個名字，內容並無法掌握，那讀新論文等於沒讀。說完了！