目标
- 如何通过pytorch来实现一个学习系统；
- 理解基本的NN/DL；
一堆方法的归类
表示学习：特征提取，提取代表性最好的几个特征来代表数量庞大的整体，但是偏浅层；
深度学习：就是深层次的表示学习；
如何指定一个学习系统
经典机器学习方法
先输入数据，然后进行手工特征提取（把输入变为向/张量），接着找到与输出的映射关系就可以得到输出结果了
传统表示学习框架
最主要的改进就是feature提取也是学习出来的，不用再手动提取了
- 维度诅咒：对于机器学习而言，维度越高的的输入那么就需要越多的数据来学习；
最好能进行降维，但是不影响其原有信息，通过空间映射；
深度学习框架
在深度学习中使用简单特征（将原始特征直接拿来用），然后设置一个独立层（第三个）来提取特征
- 深度学习和传统表示学习的区别：传统表示学习中的feature和学习器是分开训练的（因为特征选择是无标签的，而学习器学习是有标签的），而在深度学习中是统一在一起的；
听同学说这一章都是基础介绍，及时止损
