讨论：对于神经网络，不需要弄明白原理，只需要应用，是这样吗？

一位CV领域的硕士问：一直弄不懂神经网络原理，看了很多教程博客还是弄不懂，我想是不是不需要弄懂啊？

个人觉得：不懂原理能做些应用，但是想出成果就难了。可以参考下网友的讨论。

网友的讨论

1

作者：zyhu
链接：https://www.zhihu.com/question/433274875/answer/1613600102

有几种程度的“弄懂神经网络的原理”：

1. 知道loss function的作用，知道sgd minimize loss function的过程就是神经网络（包括传统机器学习）的学习过程。知道loss function，optimizer背后的优化原理

2. 知道CNN的一些trick，怎么调结构，调超参数，背后的直觉是什么，这个直觉就是原理

3. 研究overparameterized neural network的generalization原理

这些原理的重要性：

1. 这是大二数学，学习人工智能必备的。如果这都不懂，建议回炉重造

2. 这是成为一名工程师必备的技能。这个搞不懂不建议从业人工智能

3. 这是优秀PhD研究的内容。这个搞不懂对找工作毫无影响。

2

作者：匿名用户

绝大部分所谓机器学习从业者，包括知乎上的，都对神经网络的原理一知半解。不指望所有从业者搞明白神经网络里面的数学，只希望能让大家不要觉得所谓的deep learning就是无脑调参。个人觉得即使不懂原理也可以找一个不错的工作，但在工作/科研中一定会受到局限。

关于神经网络原理有很多工作，大范围的比如说Neural Tangent Kernel 的一系列工作。

https://arxiv.org/pdf/1806.07572.pdf

关心CNN的话对于residual connection也有很多理论解释

https://arxiv.org/pdf/1909.04653.pdf

对于GAN，尤其是GAN的generalization bound也有不少人尝试

https://arxiv.org/pdf/1703.00573.pdf

以上都是冰山一角。

还有很多关于神经网络的optimization的工作可以看Princeton的Jason Lee和UW的Simon Du 杜少雷。

3

作者：霍华德

不懂原理，我觉得跑demo。做应用。写毕业论文甚至发论文可能都可以。但我觉得你找工作就比较困难了。

4

作者：金海峰
链接：https://www.zhihu.com/question/433274875/answer/1662351913

以现在开源工具的发展水平来看，你即便是“只需要应用”也要搞懂一些原理，否则连应用都做不出来。你做应用至少还需要理解问题，根据问题选择合适的模型，并且调调超参数。针对特定问题，找到合适模型。这一步就需要你能看懂模型的适用范围与优缺点。想要做到这点，就需要你对其背后的原理有一定的了解。调超参数就更需要根据实验反馈结果定位哪个超参有问题了。这需要对模型和数据有更深刻的理解才行。所以，做应用就需要懂原理。

但是，这是基于现有机器学习工具的发展水平来说的。也许有一天，会出现一个基于Keras的开源软件，自动帮你选模型调参呢。

到时候你做应用可能就真的只会应用就行了，真的好期待这一天哦！

5

作者：可乐
链接：https://www.zhihu.com/question/433274875/answer/1625527052

显然不是。即使只是应用神经网络的话，也需要理解常见的组件/模型结构的意义，它们为什么work/不work。

例如batch normalization 的作用，skip-connection的作用，各种优化器的优缺点等知识点需要非常熟悉。不然你调参数的效率是会显著低于有经验的算法工程师的，而且当你遇到神经网络不收敛、loss降不下去、疯狂过拟合等各种各样的问题时你是没有办法知道怎么去解决的。

上面举例的知识点掌握起来其实并不难，而且应用的话学到这种程度就足够了。至于背后深入的数学原理，神经网络可解释性的问题过于前沿了，现在不去了解也没有什么关系。

总结

绝大部分回答都是认为需要了解神经网络的原理，但是否深入，看你的需求了。

往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
获取本站知识星球优惠券，复制链接直接打开：
https://t.zsxq.com/qFiUFMV
本站qq群704220115。

加入微信群请扫码：