不同于一些使用mnist来做深度学习入门介绍的 “Hello World！” 文章。本文会站在实际应用的角度，在使用它来训练深度模型的过程中，加入自己的数据清洗方法。

我先用所有的样本数据对模型做几轮初步训练，让深度神经模型基本拟合(数万条记录的训练集，识别率到99%左右)，具备初步的识别能力，这时的模型就是“直男”。相较于训练很多轮、拟合程度很高的“油腻男”，它的拟合程度较低，还是“直男愣头青”。...............

如果一个模型的实际应用效果不及预期，原因可能是多方面的。从我自己的遇到的问题来看主要有以下几个方面......

不同于一些使用mnist来做深度学习入门介绍的 “Hello World！” 文章。本文会站在实际应用的角度，在使用它来训练深度模型的过程中，加入自己的数据清洗方法。

深度学习在哪里？我们已然生活在数字时代，一天24小时我们被数字包围。我们生活中的方方面面都在使用数字来表达、传递、存储。我们无时无刻不在接收数字信息，而又无时无刻不在生产数字信息。在数字世界中，可以通过计算寻找隐藏于数字背后的逻辑、规律、模型。通过它们又可以去发现、预测、创造、重塑我们的世界。深度学习就是寻找数字世界深处运作模型的一种重要方法。今天，很多领域都能看到深度学习的身影：从L5级自动驾驶

基于AI的计算机视觉识别在Java项目中的使用

先说句题外话，前两天刷到一个做银行系统 40 多岁的 C 语言工程师。因为公司技术转型被裁，失业半年家里揭不开锅了！问大家现在学 Java 编程晚不晚？我也不知道晚不晚，就是他那个状态搞得别人也焦虑了。都说软件行业是青春饭，我觉得这话没毛病。要想做得长久，就要想办法让青春永驻、容颜不老 ---- 这是误解！我的理解是这个行业不太容易 “混” 到退休，无论你是做管理还是做研发，都需要保持对新技术的敏

不同于一些使用mnist来做深度学习入门介绍的 “Hello World！” 文章。本文会站在实际应用的角度，在使用它来训练深度模型的过程中，加入自己的数据清洗方法。

如果一个模型的实际应用效果不及预期，原因可能是多方面的。从我自己的遇到的问题来看主要有以下几个方面......