备注：为学习TensorFlow准备，因为时间上只有少量的碎片化时间可以用，所以每次学习后，就把学习到的写一写。因为章节可能跳动比较大，序号只是为了方便记录顺序。
计算机发明的初期，凭借存储和运算速度，解决了部分对人麻烦的事，比如公式计算，数据存储等。但是对自然语言，图像识别，语音识别还没什么办法。
为了解决这个问题，研究人员搞出来了一个角知识图库，清晰明确定义事物以及关联。计算机是懂了这部分的知识啦。但是新的问题又出现，没那么多人力物力，同时也不是所有的知识都能定义成计算机能懂的固定格式。这时候就需要机器学习。
机器学习的在这本书定义为：“如果程序可以在任务T上，随着经验E的增加，效果P也能随之增加，称这个程序可以从经验中学习”。
其中经验E便是很重要的一点，在监督式机器学习中，这便是训练数据。对于训练数据来说，最重要的便是提取特征值。
深度学习是机器学习的分支之一，它的核心问题之一就是自动地将简单的特征组合成更加复杂的特征，并使用这些组合特征来解决问题。
输入-> 基础特征提取-> 多层复杂提取-> 权重学习-> 预测结果
