什么是深度学习
深度学习是机器学习的一个分支，靠多层神经网络让机器自己从海量数据中提炼规律。
以图像识别为例，传统算法需要人工设计“边缘”、“纹理”等特征，而卷积神经网络能够自动从像素到轮廓到物体，逐层学习层次化特征，实现端到端的学习。
训练主要靠两个环节：前向传播把输入逐层算出结果，反向传播根据输出与真实值的误差计算梯度，更新权重和偏置，让网络越来越准。反向传播的意义在于，即使网络有上亿个参数，每个权重也能通过微积分算出该往哪个方向微调，从而让整体误差下降。
什么是深度学习
深度学习是机器学习的一个分支，靠多层神经网络让机器自己从海量数据中提炼规律。
以图像识别为例，传统算法需要人工设计“边缘”、“纹理”等特征，而卷积神经网络能够自动从像素到轮廓到物体，逐层学习层次化特征，实现端到端的学习。
训练主要靠两个环节：前向传播把输入逐层算出结果，反向传播根据输出与真实值的误差计算梯度，更新权重和偏置，让网络越来越准。反向传播的意义在于，即使网络有上亿个参数，每个权重也能通过微积分算出该往哪个方向微调，从而让整体误差下降。