深度学习概念及应用场景

1.深度学习的概念

　　1.1 机器学习的分支，人工神经网络为基础，对数据特征进行学习的方法

2.机器学习与深度学习的差异

     差异1：特征抽取过程

     机器学习：人工的特征提取过程； 深度学习：自动抽取（通过深度神经网络）特征。（参考下图理解）

 　　差异2：数据量

　 　机器学习：数据少；效果一般。

　　 深度学习：数据多（参数更多，模型复杂度更高）；效果好。

3.深度学习应用场景　　

　　场景1：图像识别：物体、场景、人脸识别等。

　　场景2：自然语言处理技术：机器翻译、文本识别、聊天对话等。

　　场景3：语言技术：语音识别。

4.常见深度学习框架

　　tensorFlow、pytorch、caffe2等

        pytorch使用的是动态计算，会让代码调试变的更加简单。