了解深度学习

首先是深度学习的概念，深度学习是机器学习领域中一个新的研究方向。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。而机器学习就是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自己的性能。通俗点来讲，机器学习就是让机器通过大量的数据去寻找规律，然后利用这些规律去对新的数据进行处理。它是人工智能的核心，也是使计算机具有智能的根本途径。

说到深度学习，也不得不说到神经网络，下图就是一个神经网络的大致结构。

从X1,X2,X3输入到输出的过程，这里又定义了一个层次的概念，譬如上图就包括四层，包含最左边的输入层，和最右边的输出层，如上图的L1和L4分别是输入层和输出层。而选择题解题的过程是不写出来的，我们叫做”隐藏层“，这里L2和L3就是隐藏层，问题越是复杂，隐藏层所需要做的工作就越多，也就可能需要更多的”隐藏层“来计算最终的结果。但是由于到目前，还无法知道人脑工作的复杂性，所以这两个神经网络也只能是形似而已。

人脑神经网络和计算机神经网络的不同在于，人脑可以解决多种问题，这个取决于个人的知识储备。而计算机神经网络只能用于解决专门的问题，所以哪怕阿尔法狗在围棋界孤独求败战胜了所有男人，但它也不能也不能识别出站在它面前的两个女生谁更漂亮。除此之外，计算机的神经网络需要大量的数据才能训练出一个基本的技能，并且这个技能的准确程度还有待商榷，而人类的思维具有高度的抽象。所以计算机看成千上万只猫的图片才能识别出什么是猫，但是如果换做一个人类，哪怕是一个小孩看两三次猫，就已经完全可以分辨出什么是猫。

因此，深度学习其实就是利用类似神经网络的大量隐藏层进行分析与计算，最后得到结果的一种方法。