本文是 硅谷王川：深度学习有多深？发散的大脑（22） 的续篇。

这是一篇讲述维度数据模型设计的文章，偏向于数据平台而非数据分析，请读者根据自己的兴趣爱好阅读。

深度学习在视觉领域取得了巨大的成功，即便如此，深度学习在视觉上仍然有很多的局限性，这篇文章从深度学习的历史开始说起，阐述了深度学习在视觉上的局限性，并给出了一些可能的方案。

摘要：抽查(Spot checking)机器学习算法是指如何找出最适合于给定数据集的算法模型。本文中我将介绍八个常用于抽查的机器学习算法，文中还包括各个算法的 R 语言代码，你可以将其保存并运用到下一个机器学习项目中。 适用于你的数据集的最佳算法 你无法在建模前就知道哪个算法最适用于你的数据集。你必须通过反复试验的方法来寻找出可以解决你的问题的最佳算法，我称…

现在，我们面临着5-10年前的相反问题。那时，实际上很难找到数据科学和机器学习项目的数据集。从那时起，我们就被大量的数据集和列表淹没了。今天，问题不是寻找数据集，而是筛选数据集来保存相关数据集。好吧，...

一。 常用网络 深度学习相关的几个比较著名的网络，AlexNet、VGG、GoogleNet、ResNet。 [图片] 从整体趋势来看，准确度越来越高，同时网络层数也越来越多，可以认为网络结构的复杂性带来效果的提高，而模型参数的数量并非越多越好，合适就好，参数数量太多可能会一定程度上导致过拟合问题。 ....

请问有大佬知道图中的数据集哪里来的吗，论文里面写的是 6 synthetic bivariate benchmark distributions，但是没给数据集来源，搜索图片也搜不到，这个数据我看很多生成式模型的验证里面都有，请问是哪里的数据呀？ [图片] 不一定要完全一样，我看很多文献里面长得略有 ....