机器学习中的一种特殊方法，使用神经网络这种结构来描述计算过程，通过输入海量数据，计算神经网络中的各级参数。一般有如下原则：
1，交替使用线性和非线性单元，即层
2，使用链式法则（误差反向传播）来更新网络中的参数
深度学习对于机器学习的特点：
1，简单的函数通过各级神经网络变换成复杂函数，具有更强表达力
2，多级学习的表征学习方法，可以逐级表示越来越抽象的概念或模式
3，端到端，而普通机器学习的特征抽取和训练可能是分开的
4，包容非最优解，非凸非线性的优化的使用
softmax 函数的作用：
1，把结果归一化，给出概率型的结果表示
2，可微，便于使用误差反向传播方法
激活函数，为什么需要激活函数？
需要引入非线性表达，不然单纯的多层感知机的叠加，本质也是单层的；即全连接层只是对数据做仿射变换(affine transformation)，而多个仿射变换的叠加仍然是一个仿射变换。解决问题的一个方法是引入非线性变换。
常用激活函数：relu，sigmoid，tanh
过拟合的处理方法：
1，添加惩罚项，来减小权重，降低模型复杂性
正向传播和反向传播
正向传播基于当前参数计算预测值，反向传播基于预测值和真实值，以及各层的梯度，计算参数修正值。
以上总结自《动手学深度学习》
下面总结《白话深度学习与tensorflow》
机器学习与深度学习比较大的区别，在于传统机器学习通常是需要人来提前做特征提取，把提取的特征向量化后再丢给模型训练，这是前置工作。而深度学习是end-to-end，端到端的学习方式，输入的内容做少量处理或不做处理，就可以丢给模型去训练，通常不需要人来做特征提取的工作，有深度学习的网络模型自动完成。
神经网络分为 输入层，隐含层，输出层
输入层不做任何处理，通常不计入层数，隐含层有一层或多层，输出层输出网络处理的值，可能是一个分类向量值，也可能是一个连续的值，也可能是别的形式。
TensorFlow，深度学习比较流行的库，谷歌发布，轻量级，社区完善，容易上手，有如下优点：
1，多环境，pc的cpu，gpu，安卓环境，支持多个cpu或者gpu并行计算
2，仪表盘和可视化
3， TensorFlow Serving，可以部署成restful接口服务，高性能开源服务系统。
前馈神经网络，最简单最朴素的神经网络，包括bp网络，和rbf网络
牛顿法，求方程的根，即与x轴的交点的横坐标
损失函数特点：恒非负，误差越小函数值越小，收敛快
本质上训练过程，就是通过不断调整各个神经元中的待定系数，使得损失函数向不断降低的方向移动。
正常可以通过凸优化的方式，求出损失函数的极值。但是在生产环境中，神经网络可能包含着非常多的线性和非线性分类器函数组合，那么损失函数极有可能，甚至可以说几乎一定不是凸函数，而tensorflow 会用很多技巧来寻找在整个向量空间拥有极小值点的参数向量，封装到框架里面了。
神经网络，具有丰富的vc维，即强大的空间划分能力。分类能力强大，可以学习到丰富的内容。
但是也不是越深越好，要防止过拟合，而且如果特征没有使得信息熵下降，是无效的。
卷积神经网络：同样是一种前馈神经网络，神经元可以响应一部分覆盖范围内的周围单元，对大规模图形图像处理效率极高，降低了复杂性。
卷积神经网络的特点：
1，至少有一个卷积层，用来提取特征
2，卷积层通过权值共享的方式进行工作，大大减少权值w 的数量，收敛速度较快
卷积的含义：固定函数和滑动函数相乘，移动中用x进行采样，或者说特征提取。
卷积核：用来特征提取和压缩。卷积核输出后，可能会跟着一个激励函数，一般都有，常用relu。
度量的是对于上一层输入的采纳或者关注程度
padding（填充）：使用多个像素单位填充输入图像（变量）的边界，通常填充0值，
目的是，1，保持边界信息，使得中间的像素点信息和边界都被同等对待，扫描多遍
2，补齐尺寸
stride就是步幅，卷积扫描的时候每次滑动的单位。一般为1。提高可以提高扫描的速度。
池化层：对于卷积feature map 的处理加了一层池化的处理，分为max pooling，mean pooling。或者其他方式。取最大值或者平均值，功能如下：1，又进行了一次特征提取，减少下一层数据的处理量。2，提高泛化性。3，提高输入的微小变化容忍度。池化层非必须。
经典卷积网络：vgg-16，vgg-19，googleNet
训练的过程，同样是把损失函数loss 描述成各个卷积核中权重 w 的函数，然后通过凸优化找到极值点。和bp网络一样。
卷积核对输入变量进行特征提取的过程，是一个把高维向量映射为低维向量的过程，也是一种有损压缩，通过量化方法取度量对于上一层输入的敏感度。可以对噪声有更好的容错能力，泛化性更好。
工作原理更像是在记忆一个大概的印象，而不是思考或者推理。
softmax，用在输出层的激励函数。使用交叉熵损失函数。
交叉熵的理解：
one-hot，为何使用，避免在一个维度上有大小关系，强加给了关系，其实是没有的。
常用计算方法：
1，并行计算
2，随机梯度下降
3，梯度消失问题，初始化合适的w初值，选择合适的激励函数
