举个例子，我们一开始可能都接触过多层感知机，其实就是隐藏层放了多个FC。这里的FC也是神经网络的一种

我就是看到胶囊网络，灵感大发

有时尽管网络很复杂，在测试集和训练集上的效果很好，其实对真正部署也不一定能带来很好的效果。

NLP的RNN也是一种神经网络，但他不叫卷积。。。所以神经网络还是包含很多内容的

卷积网络的框架目前还是在那几种经典框架上魔改吧 反正也啥理论就是改出来然后讲故事。。。

卷积提取图像这种二维的特征比较好用 用到nlp上好像没cv那么显著吧

是的，部署才是最头疼的，有时精度高但速度慢，速度快了精度却不行

ppyolo：我觉得被针对了/狗头

很有前途的种子选手，就是还有些坑要填

见过nlp用一维的

yolo系列部署应该还好吧，为何有此一狗头～～

但是如果遇到复杂背景的图像识别任务，卷积效果不太好，只能通过一些数据增广来提高鲁棒，但这都不是根本性的

其实还有一点，很多新的模型无法部署到一些设备上。。。

大佬怎么说？

看了胶囊网络。。。没看懂

感觉卷积当中引入attention效果会不会好点？（对于复杂场景分类）

大佬大佬

ppyolo效果过于好了……哈哈

注意力机制在图像上用了好几年了，最早的应该是SENET吧

是不是目前最强的

会过拟合……

是因为模型的规模限制了部署硬件的选择，这个意思吧？