Tensorflow 如何确定我的深度学习模型需要什么类型的层？

假设我想做一个做某事的模型。现在，当我在谷歌或YouTube上搜索这个主题时，我发现了许多相关的教程，似乎一些聪明的程序员已经通过深入学习实现了这个模型

但是他们如何知道什么类型的层，什么类型的激活函数，损失函数，优化器，单元数等等。他们需要使用深度学习来解决特定的问题

---

有没有什么技巧可以知道这一点，或者这只是一个理解和经验的问题？如果有人能给我指一些视频或文章来回答我的问题，那也会很有帮助。

这更多的是理解和经验的问题。当从头开始构建模型时，您必须了解哪个优化器、损失等对您的特定问题有意义。为了正确地选择这些，您必须了解可用优化器、损失函数等之间的差异

关于选择多少层和节点、多大批量、多大学习率等，这些都是在使用模型进行实验时需要测试和调整的超参数

---

我有一个建议，你可能会觉得有用。它在短视频中涵盖了这些主题的基本知识。此外，如果您想在了解基本概念后更专注于编码，这也可能是有益的。

谢谢您的提问

CNN上的CS231n斯坦福讲座是初学者的最佳选择。请参阅视频讲座和课堂笔记

在观看讲座并完成作业后，您将对什么是深度学习以及所有可用的算法等有一个基本的了解

但当涉及到解决现实世界的问题时，这是不够的，所以以Jeremy Howard为例，他在那里教授了更多关于如何使用Kaggle平台解决问题的知识

使用hackerearth、Kaggle、topcoder等多个平台，通过试验新模型和算法，不断解决更多问题

---

这个问题不属于这样的问题。它与编程本身无关。你可以问这个问题，但不是在这里，这是一个活跃的研究领域。谷歌已经做出了一些努力，使该体系结构具有可学习性。一般来说，我建议从一个已知的良好配置开始，例如VGG net，直到您了解每个组件及其应用方式。通过阅读深度学习书籍（在线和印刷版），您将了解更多关于架构选择的信息。这个问题没有灵丹妙药的答案。至少2017年不会。你的播放列表真的很有帮助。继续这样工作。上帝保佑你。谢谢你，斯奈汉舒！仅供参考，我刚刚更新了播放列表的链接。我的内容转移到了一个新频道。