1樓：唐永毅
因為會被review說人家用vgg做出來的結果你為什麼用resnet，是不是藏著什麼不可告人的秘密。然後乙個reject甩你一臉
2樓：你我他
牛人領進門，調參靠個人。現在牛人把研究方向轉向其他更重要的方向了吧，刷imagenet就靠我們自己了，貌似1000類的task都刷暴了。
3樓：羅若天是真的菜
其實今年新結構也不少，wide resnet，stochastic depth resnet（似乎在imagenet上不work），densenet（這個好像更promising），fractal net等等。。
當然這些要經過不同任務的檢驗才能變為大家通用的。
4樓：小澤
有些文章是在卷積層結構上做文章，比如Min Lin的Network in Network，Kaiming He的Residual Learning。也有你說的在網路框架上做文章比如AlexNet，VggNet。
5樓：Qingnan
為什麼？因為深度學習學習的引數灰常多，其中可以手動調整的引數也很多，這使得深度學習和其他的機器學習演算法不一樣。每遇到乙個新的任務，必調的肯定有這麼幾個（針對影象和sgd的話），層的數量，feature的數量，kernel size的大小，學習率等。
如果每次遇到乙個task，使用者都挨個試一遍得累死了。。這幾個模型都是經典的分類模型。
更重要的是人家在imagenet上訓練好的引數對於分類任務已經很不錯了，遇到乙個新的分類問題直接套他們的引數，效能會有極大的提公升。
6樓：
換了個模型可能就不work了，多少層，每層的引數都是調參的經驗結果。當然根據已有的模型來開發新模型不會使得結果變得太差。
為什麼CNN中的卷積核一般都是奇數 奇數，沒有偶數 偶數的？
rucinier 設輸入特徵圖尺寸為 輸出尺寸為，卷積核大小K，步長S，padding為p，那麼輸入和輸出之間滿足 在一般情形下，S 1，O i，那麼上式可以化為 可以直觀地看出K是奇數。 使用奇數尺寸的濾波器的原因 數字影象處理 第三版 阮秋琦翻譯 p89 也可以使用偶數尺寸的濾波器，或使用混合有...
為什麼現在推薦系統喜歡用雙塔模型？雙塔模型相較於單塔有什麼優缺點？
dragonfly 假定雙塔是user和item雙塔，一般這種結構多用在召回 粗排這種因為待打分item多導致效能跟不上的場景。這種雙塔導致了late fusion，cross feature無法使用等，會拉低模型效果。另乙個意義上的雙塔是指對bias資訊用單獨的tower建模，好處是更靈活更好的對...
為什麼CNN中的卷積核一般都是正方形，沒有長方形？
韓公升 我首先想到的是，數學上方陣要比任意矩陣容易操作。但是我沒寫過CNN底層，學的一些皮毛也告訴我反相傳播可以不需要求逆，所以僅僅是沒啥根據的懷疑，希望拋磚引到玉。 武俠超人 NLP領域中的很多都不是正方形啊。舉個最簡單的例子，最基礎經典的CNN做文字分類，卷積核長度是embedding的長度，寬...