作者：朱金灿
前天面试了一个基于深度学习做图像识别的算法工程师，突然想到一个好问题。我问他：深度学习算法中有很多参数，如果算法效果不好，那么你是怎么进行参数调优的？他回答说他是把所有参数都用日志打印出来，然后看看哪个参数异常就调整哪个参数。其实我感觉他也没完全说到点子上，比如算法效果不好，这时的参数值是10，那你是把这个参数调整到9呢8呢还是11呢12呢？这里面其实应该有一个调优的思路的。
其实之前和别人交流这块技术时还有人问我：就是面对同一份样本，有些时候识别准确率高，有些时候识别准确率低，怎么理解这个问题？这个问题其实本质是和上面参数的问题一样的，就是不在深入理解各个参数对于识别的意义的前提下单纯去训练模型，即使一时的效果不错，碰到新的数据仍会碰壁。
更早之前有一个做红外图像识别的在读博士问我怎么识别效果不佳。我说你拿可见光的样本在红外图像上做目标识别，可见光和红外的成像原理根本不同，怎么可能能做到好的识别效果呢。
