1樓：仙女可愛到炸
深度學習的」深度「是指從」輸入層「到」輸出層「所經歷層次的數目，即」隱藏層「的層數，層數越多，深度也越深。所以越是複雜的選擇問題，越需要深度的層次多。除了層數多外，每層」神經元「－黃色小圓圈的數目也要多。
例如，alphago的策略網路是13層，每一層的神經元數量為192個。
深度學習可通過學習一種深層非線性網路結構，實現複雜函式逼近，表徵輸入資料分布式表示，並展現了強大的從少數樣本集中學習資料集本質特徵的能力。多層的好處是可以用較少的引數表示複雜的函式。
深度學習的實質，是通過構建具有很多隱層的機器學習模型和海量的訓練資料，來學習更有用的特徵，從而最終提公升分類或**的準確性。因此，「深度模型」是手段，「特徵學習」是目的。深度學習強調了模型結構的深度，突出了特徵學習的重要性，通過逐層特徵變換，將樣本在原空間的特徵表示變換到乙個新特徵空間，從而使分類或**更加容易。
與人工規則構造特徵的方法相比，利用大資料來學習特徵，更能夠刻畫資料的豐富內在資訊。
深度學習的好處
2樓：匿名使用者
深度學習的主要優點如下：
優點1：學習能力強。
從結果來看，深度學習具備很強的學習能力，表現非常好。
優點2：覆蓋範圍廣，適應性好。
深度學習的神經網路層數很多，寬度很廣，理論上可以對映到任意函式，所以能解決很複雜的問題。
優點3：資料驅動，上限高。
深度學習高度依賴資料，資料量越大，它的表現就越好。在影象識別、面部識別、nlp 等領域表現尤為突出。
優點4：可移植性好。
由於深度學習的優異表現，很多框架都可以使用，例如 tensorflow、pytorch。這些框架可以相容很多平台。
深度學習也是有缺點的：
缺點1：計算量大，便攜性差。
深度學習需要大量的資料與算力，所以成本很高。而且現在很多應用還不適合在移動裝置上使用。目前已經有很多公司和團隊在研發針對便攜裝置的晶元。
缺點2：硬體需求高。
深度學習對算力要求很高，普通的cpu已經無法滿足深度學習的要求。
缺點3：模型設計複雜。
深度學習的模型設計非常複雜，需要投入大量的人力物力和時間來開發新的演算法和模型。大部分人只能使用現成的模型。
缺點4：沒有」人性」，容易存在偏見。
由於深度學習依賴資料，並且可解釋性不高。在訓練資料不平衡的情況下會出現性別歧視、種族歧視等問題。
深度學習，包括哪些？
3樓：esc__殤
深度學習(dl, deep learning)是機器學習(ml, machine learning)領域中乙個新的研究方向，它被引入機器學習使其更接近於最初的目標——人bai工智慧型(ai, artificial intelligence)，他是人工神經網路的研究的概念。
深度學習是學習樣本資料的內在規律和表示層次，du這些學習過程中獲得的資訊對諸如文字，影象和聲音等資料的解釋有很zhi大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、影象和聲音等資料。 深度學習是乙個dao複雜的機器學習演算法，在語音和影象識別方面取得的效果，遠遠超過先前相關技術。
深度學習在搜尋技術，資料探勘，機器學習，機器翻譯，自然語言處理，多媒版體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。深度學習使機器模仿視權聽和思考等人類的活動，解決了很多複雜的模式識別難題，使得人工智慧相關技術取得了很大進步。
4樓：魏魏姐呀
深度學習屬於機器學習的一種方法，除了深度學習以外，還包括了線性回歸、邏輯回歸、svm、隨機森林、圖模型、貝葉斯等等很多方法。
而深度學習，並不是對所有的任務都有效，有些時候，也需要用到一些傳統的機器學習方法。而機器學習則是實現人工智慧必不可少一種技術手段。
最後，理論部分都強調完了以後，我們在重點強調一下高階的知識，也就是實戰部分。大家在學習深度學習的時候，一定要認識到，深度學習更多的還是需要程式設計！程式設計！
程式設計！也就是說，不能僅僅停留在理論層面，更多的還是需要動手實戰的能力，利用 caffe 或者 tensorflow 針對一些實際的分類任務進行實驗。只有這樣才能更快地積累經驗，更早的入行深度學習。
5樓：hd凱
深度學習是機器學習的分支，是一種以人工神經網路為架構，對資料進行表徵學習的演算法。至今已有數種深度學習框架，如深度神經網路、卷積神經網路和深度置信網路和遞迴神經網路已被應用在計算機視覺。
6樓：小潔說事
ai深度學習課程是用於建立、模擬人腦進行分析學習的神經網路，並模仿人腦的機制來解釋資料的一種機器學習技術，主要應用於影象識別、語音識別、自然語言處理等領域。學完可以從事深度學習工程師、機器學習工程師、人工智慧工程師、高階演算法工程師、高階演算法工程師 ai研發工程師、ai架構師等，課程是與中科院合作的，整個行業發展前景還是不錯的。
7樓：一臉懵呆
深度學習（deep learing）是機械學習的分支，是一種以人工神經網路為架構，對資料進行表徵學習的演算法。至今已有數種深度學習架構，如深度神經網路、卷積神經網路和深度置信網路和遞迴神經網路已被應用在計算機視覺、語音識別、自然語言處理、音訊識別與生物資訊學等領域並獲取了極好的效果。另外。
深度學習」已成為類似術語，或者說是神經網路的品牌重塑。
8樓：hvve小噯
人們一般認為深度學習在語音識別和影象處理方面能夠取得長足進度，是因為這兩個領域的相關特徵資訊都是相對低層次的，可以借助深度學習的強大學習能力學習其中的複雜資訊；而到了自然語言處理領域，人們利用深度學習做過很多嘗試，發現很難取得像語音識別和影象處理那麼大的突破，原因在於自然語言的相關特徵資訊都是相對高層次的（如自然語言的基本單位——詞彙——本身就有豐富的語義內涵，與影象中的「線條」、「紋理」等特徵相比尤其如此），在深度學習之前就由語言專家編制了很多精緻而複雜的知識庫，如wordnet等，這些知識已經將相關處理效能推到了較高層次。因此，當深度學習進入自然語言時，如果還是像語音識別、影象處理那樣從零知識開始做特徵學習，相當於將豐富的語言知識棄之不用而另起爐灶，是不符合自然語言處理特點的。所以，深度學習的乙個可能重要的發展方向是，如何在深度學習框架中高效地融合人們已經構建出來的豐富先驗知識（包括語言知識、世界知識）。
9樓：夕的日常
1. 中公優就業聯合中科院自動化研究所專家，開設人工智慧《深度學習》課程，通過深度剖析人工智慧領域深度學習技術，培養人工智慧核心人才。這個的話現在就是有網課的，有免費的講座可以聽。
什麼是深度學習？
10樓：匿名使用者
深度學習，是機器學習中一種基於對資料進行表徵學習的方法。深度學習是機器學習研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同。
例如卷積神經網路就是一種深度的監督學習下的機器學習模型，而深度置信網就是一種無監督學習下的機器學習模型。深度學習的好處是用非監督式或半監督式的特徵學習和分層特徵提取高效演算法來替代手工獲取特徵。
11樓：帳號已登出
所謂深度學習，就是在教師引領下，學生圍繞具有挑戰性的學習主題，全身心積極參與、體驗成功、獲得發展的有意義的學習過程。在這個學習過程中，學生掌握學科核心知識，理解學習過程，把握學科本質及思想方法，形成積極的記憶體學習動機、高階社會性情感、積極的態度、正確的價值觀，成為既具有獨立性、批判性、創造性，又有合作精神，基礎紮實的優秀的學習者，成為未來社會歷史實踐的主人。
12樓：蘭州新華網際網路學校
深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。
13樓：網友
深度學習的「深度」是乙個屬性詞，深度學習就是程度很深的學習。深度學習的反義詞是程度很淺的學習，即膚淺的學習、表層的學習、淺顯的學習、淺薄的學習等。
14樓：來自陶然亭湘紋飄逸的藍鯨
深度學習就是在原來的知識基礎上再細緻研究，加深認識，努力找到突破，這就是深度學習。
15樓：姑蘇老師
深度的學習就是可以去專心的把心思花在學習上，能夠真正的去了解這些知識，了解透徹。
16樓：虎哥ke堂
我們將了解深度學習如何實現，並繼續討論它與#機器學習和人工智慧的不同之處。我們也會看一下神經網路是什麼，以及它們是如何被訓練來識別手寫數字的。
深度學習是什麼？
17樓：三叉貓
什麼是神經網路，深度學習。
18樓：毋童
愛學習的人不少，會學習的人不多。從小接受的教育教會我們的「學習」更多是把知識點背下來、能解答習題，從未有人教我們如何「有效學習」或「深度學習。深度學習力本質上是一種競爭力。
19樓：面具小子愛
深度學習就是你非常認真專心的在沉入學習外界的因因素是影響不了你的。
20樓：雲南萬通汽車學校
深度學習包含在機器學習中，也是機器學習的一種。zd深度學習模型自己提取特徵，輸入影象進行訓練，而機器學習需要人為提取特徵，即提取圖內像的特徵篩選後訓練模型。在大量資料的情況下，深度學習效果很好，可以完成很多高難任務。
是當下火熱的也是效果最好的，但是對硬體要求高資料量需求大。機器學習硬體需求低容，小資料情況可以得到較好的模型。
21樓：匿名使用者
簡單來說，機器學習是實現人工智慧的方法，深度學習是實現機器學習的技術。機器學習在實現人工智慧時中需要人工輔助（半自動），而深度學習使該過程完全自動化。
舉個例子：通過機器學習演算法來識別水果是橘子還是蘋果，需要人工輸入水果的特徵資料，生成一定的演算法模型，進而可以準確**具有這些特徵的水果的型別，而深度學習則能自動的去發現特徵進而判斷。
深度學習有哪些優點和缺點
22樓：匿名使用者
深度學習（dl）是機器學習中一種基於對資料進行表徵學習的方法
是一種能夠模擬出人腦的神經結構的機器學習方法。深度學習的概念源於人工神經網路的研究。而人工神經網路ann（artificial neural network）是從資訊處理角度對人腦神經元網路進行抽象，建立某種簡單模型，按不同的連線方式組成不同的網路，簡稱為神經網路或類神經網路。
因此，深度學習又叫深層神經網路dnn（deep neural networks），是從之前的人工神經網路ann模型發展而來的。
優點有以下幾點：1.相比於傳統的視覺和語音識別方面有了很大的提高；2.具有較好的transfer learning性質。
缺點如下：1.模型正確性驗證複雜且麻煩；2. 某些深度網路不僅訓練而且線上部署也需要gpu支援。
前端開發如何入門深度學習，如何入門深度學習
兩大基礎，內外雙修 兩大基礎 js基礎 蹲馬步，基礎中的基礎 函式，事件，語句等 物件導向 基礎 內外雙修 內 掌握物件導向程式設計思維，模組化程式設計思維，大型專案分層程式設計思維，大型專案團隊如何合作 外 學習一些前輩總結出來的最佳程式設計實踐 設計模式，比如能夠保證全域性唯一的單例模式，創造萬...
深度學習和深度神經網路的AI有什麼區別
ai就是人工智慧 artificial intelligence 的簡稱。機器學習 一種實現人工智慧的方法，機器學習最基本的做法，是使用演算法來解析資料 從中學習，然後對真實世界中的事件做出決策和 機器學習演算法可以分為監督學習 如分類問題 無監督學習 如聚類問題 半監督學習 整合學習 深度學習和強...
英語學科深度學習課題取名
一 明確每節課的學習任務，根據不同學習階段及自身能力確立乙個 跳一跳才能夠得著 的長遠目標。二 爭取課內外各種機會多練習英語，語言不是教會的，而是在使用中學會的。三 課前預習，它可以培養學習者快速閱讀抓主旨大意 抓主要資訊 依據上下文猜測詞義的能力，也可以培養分析綜合及歸納概括 自己發現問題及解決問...