1 什么是深度学习？

• 人工智能是个大范畴，目标是打造智能机器和程序；

  • 机器学习是实现人工智能的一种途径，它能让机器在不被明确编程的情况下自主学习；
  • 而深度学习，是机器学习的一个分支，它是基于深度神经网络来进行学习的；

  

• 下图对比了传统机器学习和深度学习的工作流程；

  

  • 传统机器学习在处理输入（比如一辆汽车的图像）时，得靠人工去设计特征，然后进行特征提取，再进行分类，最后得到输出（判断是不是汽车）；
  • 但深度学习不一样，它把特征提取和分类这两个步骤合二为一了，不需要人工设计特征，而是依靠算法自动去提取特征，直接输出结果；
  • 这就好比传统方法是先把零件一个个做好再组装，深度学习则是直接整体制造，效率更高。

2 应用场景

3 发展历史

4 优缺点

• 优点：
  • 精度高，在有些领域比其他机器学习方法表现得还好，甚至超过了人类的能力；
  • 随着计算机硬件越来越厉害，它能近似各种各样复杂的非线性函数；
  • 近年来不管是学术界还是工业界都很关注它，有很多现成的框架和库可以直接使用，方便大家去开发和应用；
• 缺点：
  • 深度学习就像一个“黑箱”，很难弄清楚模型内部到底是怎么工作的，缺乏可解释性；
  • 训练的时候需要很长时间，还得有强大的计算能力来支撑；
  • 它的网络结构很复杂，要调整的超参数特别多，这就给调试和优化带来了不小的挑战；
  • 另外，如果数据集比较小，它的表现就不太好，还容易出现过拟合的情况，也就是模型在训练数据上表现得很好，但在新的、没见过的数据上却不行。