今天装修百科网给各位分享数据集太小怎么训练的知识，其中也会对目前很火的深度学习，有什么样的局限性？进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在我们开始吧！

目前很火的深度学习，有什么样的局限性？

最近几年从国家到地方都高度重视新一代人工智能的发展，推进人工智能产业与实体经济深度融合。很多互联网企业从 Google、Facebook、亚马逊到国内的华为、BAT 等顶尖科技企业，都在大力地高薪招募人工智能方面的工程师和专家。
深度学习作为人工智能的核心技术，受到越来越多的关注。但是另一方面深度学习技术仍不完美，有待于进一步提升。很多刚接触深度学习的同学可能比较好奇，目前深度学习技术存在哪些局限性呢？主要有以下几方面
一是深度神经网络的模型复杂度高，巨量的参数导致模型尺寸大，难以部署到移动终端设备。
二是模型训练所需的数据量大，而训练数据样本获取、标注成本高，有些场景样本难以获取。
三是应用门槛高，算法建模及调参过程复杂繁琐、算法设计周期长、系统实施维护困难。
四是存在可解释性问题，由于内部的参数共享和复杂的特征抽取与组合，很难解释模型到底学习到了什么，但出于安全性考虑以及伦理和法律的需要，算法的可解释性又是十分必要的。

如何在faster-rcnn上训练自己的数据集

Caffe刚出来的时候我就一直再用了，前后大概用了RCNN，Fast-RCNN, 目前在等待Faster-rcnn的代码release! 回答下你的问题，目前我已经基于Fast-rcnn实现了caltech行人检测数据库与kitti数据库的车辆与行人检测，总的来说效果非常不错，在训练速度。