仿真的数据能否用来深度学习_数据太少怎么搞深度学习？

作者：Tyler Folkman编译：McGL

你一定看过这种报道——深度学习是切片面包以来最流行的东西。它许诺用海量数据的一小部分即可解决你最复杂的问题。唯一的问题是你既不在 Google 也不在 Facebook 工作，数据稀缺。那该怎么办呢？你是否仍然可以利用深度学习的力量？还是无奈运气不佳？让我们看看怎样在数据有限的情况下利用深度学习，以及为什么我认为这可能是未来研究最令人兴奋的领域之一。

从简单开始

在我们讨论利用有限的数据进行深度学习的方法之前，请忘了神经网络并创建一个简单的基准。尝试一些传统模型(如随机森林)通常不需要很长时间。这将帮助你评估深度学习的任何潜在提升，并深入理解在你的问题上深度学习与其它传统方法的权衡取舍。

获取更多数据

这听起来很荒谬，但是你是否真正考虑过可以收集更多数据呢？我对公司提出这个建议的频率感到惊讶，他们看我像是个疯子。没错，可以花时间和金钱来收集更多数据。实际上，这通常是你的最佳选择。例如，也许你正在尝试对稀有鸟类物种进行分类并且数据十分有限。几乎可以肯定，仅通过标记更多数据，你就可以更轻松地解决此问题。不确定需要收集多少数据？尝试在增加数据时绘制学习曲线并查看模型性能的变化。

微调(Fine-Tuning)