数据少，就享受不到深度学习的红利了么？总是有办法的！

主要方法为了解决深度学习数据少，和数据稀疏， 目前业界的主流方法有一下5种：数据增广半监督学习迁移学习领域自适应主动学习下面，我们对这5种方式进行一个简单的介绍，详细的介绍，可以在本文末尾，根据指示，获取原文观看。数据增广数据增广，主要是想，对现有的数据，添加噪声等各种其他变换，从而产生一些有意义的数据，是的数据集增加，从而解决数据稀疏的问题，提升模型性能。 特别的，如图所示，Zachary Lipton 介绍了近期他的一个工作：利用 GAN来做图像数据增广。  半监督学习半监督学习的情形是指：我们拥有少量的标注样本（图中橘色部分）以及大量的未标注样本（图中蓝色部分）。半监督学习，一般的思路是：在全部数据上去学习数据表 ………………………………