* **卷積神經網絡**是用于**計算機視覺**任務的**最佳機器學習模型**。即使在非常小的數據集上也可以從頭開始訓練一個卷積神經網絡，而且得到的結果還不錯。 * 在**小型數據集**上的主要問題是**過擬合**。在處理圖像數據時，**數據增強**是一種降低過擬合的強大方法。 * 利用**特征提取**，可以很容易將現有的卷積神經網絡復用于**新的數據集**。對于小型圖像數據集，這是一種很有價值的方法。 * 作為特征提取的補充，你還可以使用**微調**，將現有模型之前學到的一些數據表示應用于新問題。這種方法可以**進一步提高模型性能**。 ***** 總結： * 卷積神經網絡是解決視覺分類問題的最佳工具。 * 卷積神經網絡通過學習模塊化模式和概念的層次結構來表示視覺世界。 * 卷積神經網絡學到的表示很容易可視化，卷積神經網絡不是黑盒。 * 現在你能夠從頭開始訓練自己的卷積神經網絡來解決圖像分類問題。 * 你知道了如何使用視覺數據增強來防止過擬合。 * 你知道了如何使用預訓練的卷積神經網絡進行特征提取與模型微調。 * 你可以將卷積神經網絡學到的過濾器可視化，也可以將類激活熱力圖可視化。