1 什么是深度學習？

• 人工智能是個大范疇，目標是打造智能機器和程序；

  • 機器學習是實現人工智能的一種途徑，它能讓機器在不被明確編程的情況下自主學習；
  • 而深度學習，是機器學習的一個分支，它是基于深度神經網絡來進行學習的；

  

• 下圖對比了傳統機器學習和深度學習的工作流程；

  

  • 傳統機器學習在處理輸入（比如一輛汽車的圖像）時，得靠人工去設計特征，然后進行特征提取，再進行分類，最后得到輸出（判斷是不是汽車）；
  • 但深度學習不一樣，它把特征提取和分類這兩個步驟合二為一了，不需要人工設計特征，而是依靠算法自動去提取特征，直接輸出結果；
  • 這就好比傳統方法是先把零件一個個做好再組裝，深度學習則是直接整體制造，效率更高。

2 應用場景

3 發展歷史

4 優缺點

• 優點：
  • 精度高，在有些領域比其他機器學習方法表現得還好，甚至超過了人類的能力；
  • 隨著計算機硬件越來越厲害，它能近似各種各樣復雜的非線性函數；
  • 近年來不管是學術界還是工業界都很關注它，有很多現成的框架和庫可以直接使用，方便大家去開發和應用；
• 缺點：
  • 深度學習就像一個“黑箱”，很難弄清楚模型內部到底是怎么工作的，缺乏可解釋性；
  • 訓練的時候需要很長時間，還得有強大的計算能力來支撐；
  • 它的網絡結構很復雜，要調整的超參數特別多，這就給調試和優化帶來了不小的挑戰；
  • 另外，如果數據集比較小，它的表現就不太好，還容易出現過擬合的情況，也就是模型在訓練數據上表現得很好，但在新的、沒見過的數據上卻不行。