深度学习之“深度”
深度学习之“深度”指的是：一系列连续的表示层，这些层的表示通常通过“神经网络”模型得到。可将每个层级看做一个过滤器，从带噪声的信号中得到有用的信号。
深度学习技术定义：学习数据表示的多级方法。
数字图像分类模型学到的深度表示.PNG
深度学习的工作原理
神经网络对输入数据的具体操作保存在该层的权重中，学习即是找到一组权重值。
神经网络是由其权重来参数化.JPG
损失函数输入预测值和真实值，计算距离值，衡量效果的好坏。
损失函数用来衡量网络输出结果的质量.PNG
利用距离值作为反馈信号，使用优化器对权重进行微调，反向传播算法是神经网络的核心算法。
将损失值作为反馈信号调节权重.PNG
深度学习取得的进展
- 接近人类水平的图像分类
- 接近人类水平的语音识别
- 接近人类水平的手写文字转录
- 更好的机器翻译
- 更好的文本到语音转换
- 数字助理，比如谷歌即时（Google Now）和亚马逊 Alexa
- 接近人类水平的自动驾驶
- 更好的广告定向投放，谷歌、百度、必应都在使用
- 更好的网络搜索结果
- 能够回答用自然语言提出的问题
- 在围棋上战胜人类
不要相信短期炒作，不要对深度学习抱有太高希望，明确其能做什么，不能做什么。
