动手深度学习 合作攻克难关

——《动手深度学习》组队学习分享会

“工欲善其事，必先利其器。”为了交流学习方法，营造期队浓郁、互帮互助的优异学风，促进AI深度学习，云顶书院五期学子张银晗发起“动手深度学习”项目。为检验学习成果，AI方向于2023年4月6日在数港开展学习分享会，云顶书院王老师，云顶书院五期六期七期学员，大数据学院优秀学生王洲锋参加了此次学习分享会。

第一小组代表郭鸿凯分享了在学习中产生的疑问：没太理解隐式构造，学习进度慢，以及不会的点就是那些数学知识，对于数学知识实践运用存在困难......但在后期的学习中熟能生巧，能够将自己所学灵活运用于实践，并且比较圆满的完成了此次任务。

第二小组代表杨晨旭总结分享了小组成员在此次学习中的直观感受：

1、吃力（还在大一的我们知识基础不够，在简单了解预备知识后就学习很吃力）

2、抽象（学习知识很抽象，理解不简单）

3、疑惑（学习一个知识点并不知道有什么用）

4、新（知识点很新，接触起来生疏）

5、慢（学习起来很慢，短期内没有显著成果）

6、多（涉及知识多而杂，知识点加代码，需要学的东西很多）。

随着理论知识的拓展和相关实践项目的推进，小组成员逐渐适应并掌握专业知识，并且在优秀学长学姐的帮助下，构建起自己的知识体系，有逻辑、有条理、有系统的完成各项学习任务，为深度学习打下坚实的基础。

第三小组代表王泽宇分享了小组成员总结的学习经验：

1.数据预处理：数据预处理是任何机器学习任务中的关键步骤。在学习线性神经网络时，确保数据清洁且无缺失值、标准化和归一化都是很重要的预处理步骤。

2.超参数调整：超参数是模型中可以调整的参数，例如学习率、批量大小和迭代次数。超参数的选择很大程度上决定了模型的性能。可以使用交叉验证等技术来确定最佳超参数设置。

学习过程中遇到问题：

1.梯度消失或梯度爆炸：这是训练线性神经网络时可能遇到的常见问题。梯度消失或梯度爆炸可能会导致模型无法训练或无法收敛。解决这个问题的方法包括使用激活函数、正则化和使用不同的优化器。

2.过拟合或欠拟合：过拟合是指模型过度拟合训练数据，导致在新数据上性能下降。欠拟合则是指模型无法适应训练数据，导致在训练和测试数据上的性能都很差。解决这个问题的方法包括增加数据、使用正则化和调整模型架构。

解决问题的过程：

1.调试模型：可以通过观察模型的输出、损失函数和梯度来识别问题。例如，如果损失函数不收敛，则可能存在梯度消失或爆炸问题。通过修改模型或调整超参数来解决问题。

2.使用预训练模型：预训练模型是一种已经在大型数据集上训练好的模型。使用预训练模型可以加快训练速度，并提高模型性能。

第四小组代表赵文恺分享了有关神经元学习的相关经验：

线性神经网络是机器学习中常用的一种模型，它由多个神经元组成，每个神经元都有一些输入和输出，通过不断地调整神经元之间的权重，线性神经网络能够逐步学习数据中的模式，从而进行分类、回归等任务。在学习线性神经网络的过程中，有一些经验是非常有用的。首先，理解线性代数和微积分的基本概念对于理解神经网络的原理非常重要。其次，需要对激活函数、损失函数等重要概念进行深入理解，以便更好地构建和调整神经网络。最后，实践是非常重要的，通过尝试不同的数据集和参数设置，才能更好地理解神经网络的性能和限制。

在学习过程中，也会遇到一些问题，如梯度消失、过拟合等。这些问题的解决需要结合具体情况进行调整，常用的方法包括改变激活函数、调整学习率、增加数据量等。

解决问题的过程中，需要注意遵循科学的方法，即明确问题、收集数据、分析原因、设计实验、验证结果等步骤。同时，要保持耐心和细心，不断尝试新的方法，并将问题的解决过程记录下来，以便后续参考和总结。例如：过拟合是指模型过于复杂，导致在训练数据上表现良好，但在新数据上的泛化能力很差。为了解决过拟合问题，我们可以使用正则化技术，例如L1和L2正则化，或者使用Dropout技术来减少过拟合的风险。欠拟合可以通过增加模型的复杂度来解决，例如增加网络层数或增加神经元数量。另外，我们还可以使用更好的特征工程和数据清理方法来改进训练数据的质量。

紧接着大数据学院大四优秀学生分享保研国防科技大学经验，向各位学员介绍了自己大学四年学习的主要方法，激励大家努力学习，专研技术。

须知少时拏云志，曾许人间第一流。尽管过程艰难，但云子们互助合作，共克难题，此项目取得圆满成功。每位学子都在书院中获得了他们不同的经历，可当我们仔细聆听，推人及己，我们看到了很多他们身上共通而我们或所欠缺的地方，是那份不与年岁易的如磐初心，是那个永似少年时的奋斗姿态，更是那颗永远年轻、永远热泪盈眶的蓬勃心脏。这不仅仅是经验的分享，同时也是精神的传承，此次学习分享大会，对云顶学子们的既有成果做出肯定，激励学子们继续进行深度学习，极大地锻炼了学子们将理论应用于实践的能力，提升了学子们的团队合作能力。相信在未来，云子们必将“振翅云顶之上，极目星辰大海”！