深度学习的存在诞生了全新的产品和商业模式，并创造了新的，协助人类的方法：

在健康保障行业，深度学习可以帮助你阅读X光片；在教育，精准农业，无人驾驶领域，都散发着他的魅力。

给机器灌输灵魂

深度学习指的是训练神经网络，有时候规模很大，那神经网络又是什么呢？

1.我们从一个房价预测的例子开始：

假设有一个六间房屋的数据集，已知房屋的面积单位是平房米，已知房屋的价格，想要找到一个函数，根据房屋面积预测房价的函数。

如果你懂线性回归，那你会说好吧，用这些数据来拟合一条直线。特别的是，房价不会为负，所以直线变的不适用，我们让这边弯曲下去变为零。这条粗的线就是你要的函数。

你也许可以把这个房屋价格拟合函数，看成是一个非常简单的神经网络。

我们把房屋的面积作为神经网络的输入，称为x，通过这个节点这个小圈圈，最后输出了价格，用y表示。你的网络实现了左边这个函数的功能。

这个神经元所做的就是输入面积，完成线性运算，取不小于0的值，最后得到输出预测价格。

在神经网络中经常会看到这个函数，函数一开始是0，后面是一条直线，这个函数被称作修正线性单元ReLU函数。（修正指的是不小于0的值）

这是一个单神经网络，规模大一点的神经网络，是把这些单个神经网络堆叠起来的。你可以把它想象成单独的乐高积木，拖过搭积木来建立一个大型的神经网络。

不仅仅用房屋的面积来预测价格，现在你还有一些房屋的其他特征，知道了一些别的信息。比如卧室的数量，你可能想到有一个很重要的因素会影响房价，就是家庭人数，这个性质和房屋大小有关