深度学习第一讲之深度学习基础

技术交流qq群： 659201069

深度学习第一讲之深度学习基础

转载请注明出处！

　　本篇博文从what、why、when、who、where、how五个方面来分析深度学习，接下来讲如何入门，我门将通过介绍实际案例来讲解深度学习的实际应用，一下篇博文讲解深度学习的核心技术：卷积神经网络

WHAT?什么是深度学习?

维基百科: 深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。

百度百科:深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

本人的理解：所谓深度学习，就是具有很多个隐层的神经网络。传统的机器学习输入数据的特征和标签都是人工设定的，深度学习就是可以发现隐含的高层特征，即根据基础特征合成复杂的特征，例如图像识别，我们可以拿到的输入就是像素矩阵，在深度学习领域经过卷积运算，可以合成线条，再进一步就可以合成轮廓等高级特征以实现图像的分类。
下面看深度学习的结构图：

　　我门可以看到上面的那张图，这是神经网路的概念图，所谓神经网络就是将许多个单一“神经元”联结在一起，这样，一个”神经元”的输出就可以是另一个“神经元”的输入。单一“神经元”的输入－输出映射关系其实就是一个逻辑回归（logistic regression）。
　　神经网络最左边的一层叫做输入层，最右的一层叫做输出层。中间所有节点组成的一层叫做隐藏层，因为我们不能在训练样本集中观测到它们的值。
　　而右边的图是深度神经网路,我门可以看到,当中的隐藏层大于两层。

　　由图可见，人工智能、机器学习、深度学习并非是层层包含的关系，而最近火热的神经网络也只是与人工智能有交叉而非人工智能的实现方式或者子集。

ＷＨＹ?深度学习到底为什么火了

• 比传统方法好，而且也比传统方法成本更低
• GPU（显卡）速度很快，并且深度学习可利用，极大的降低了工程实验成本

• 互联网数据获取越来越容易，数据量越来越大

  　　从成本来看：以前某个任务需要 3 个工程师从清洗数据、找特征、构建模型、训练与