shichongx的博客

深度学习好像有两个不同的理解框架： 一种是，继承自传统的机器学习的框架，其核心观点就是分布，比如传统的贝叶斯分类器就是基于分布的。机器学习的正是这样一个抽象的分布。自然界中凡是呈现一定规律性或者模式（pattern）的事物，数据，都可以用一种分布来给他建模，分布的框架可以为很多形式的规律和pattern进行建模，这些规律和pattern可以不必一一对应。所以，自然界中凡是呈现出规律，或者分布的数据问题，深度学习都可以胜任。比如说马赛克复原。这种分布的框架，还有另外一个称谓，那就是流型学习，流型学习本质

看最终获得的数据结构 如果最终需要获得的数据，具有属性调用的功能，或者封装有简单的方法，则只能用类来实现功能。 如果最终获得的数据，并没有属性调用的功能要求，也没有自身封装方法的需要，就用函数定义就好啦。 ...