• 快到結尾了，再讓筆者水一篇 XDD，今天我們來聊聊 CNN 會不會是深度學習領域的最後呢?

CNN 就是最後了嗎?

• CNN 我們前面提過他為何會被特別介紹是因為他的特殊意義，而後續實際上有非常多非常多的模型都延伸了 CNN 的概念甚至是優化了他們，因此當然 CNN 不會是深度學習領域的最後
• 那在這邊先強調一下，深度學習領域非常的廣泛，這個領域涉及了資料分析、圖像影像辨識、音頻語言分析等等，非常非常多不同的問題都可以利用深度學習的概念去解決，而 CNN 屬於圖像影像辨識類的模型，優勢在於提取分析圖片
• 因此當然 CNN 不會是一個結束，針對不同的應用場景大家都可以自己再去查詢相關的資料，舉例來說
  • 圖像辨識模型：ImageNet Beachmark
  • 時序資料模型：RNN、LSTM...
  • ...
• 因此我們可以發現深度學習領域還有很多值得大家去深入理解的，今天篇幅非常短（不要噴我 QQ），只是希望在這裡告訴讀者，這個領域還非常寬廣，大家可以視著上 Pytorch 官網的 Network 去嘗試利用別的網絡再做一次手寫辨識模型，來達到更高的準確率
• 但是在這裡要再次強調，整個 Pytorch 的使用概念其實沒有任何變化，大架構就是我們花了好多天建立起來的框架，會變化的部分就是 Model 的選擇、loss function 的選擇、優化器的挑選，和資料集的整理讀取，因此熟悉前面的課程對於入門 Pytorch 有非常非常重要的意義，希望不要忽視了基本功
• 那明天我們來聊聊 Pytorch 的最後最後一塊拼圖，就可以下台一鞠躬了~