深度学习的简单理解

        其实深度学习 只需要理解两句话：

        1.  深度学习让计算机通过简单的概念构建复杂的概念；

         2. 深度学习是机器学习的一种， 能使计算机系统从经验和数据中得到提高的技术。

先来理解第一句话：

         深度学习同样也是学习一个数学函数， 这个函数将一组输入 映射到输出值； 只不过该函数是由许多个简单函数复合而成的。

         类似与：  y=f1（f2（f3（...）））等许多简单函数的复合而成， 常见的简单函数有f=g(w*x+b),其中g()为非线性函数，比如tanh，logic或者relu等； 理解为下图：

                            

      深度学习要实现的函数是：  输入一张图片， 要求输出这张图片是人？ 是猫？ 还是狗？ 

        很显然，这不是一个简单的数学函数能实现， 但是可以有许多函数来复合，每一个简单数学函数 都为输入提供了新的表示：

         第一层可以轻易的比较相邻像素的亮度来识别边缘；

        第二层 根据第一层的输入边缘信息，可轻易的识别角或轮廓的边界集合；

         第三层 根据第二层的输入， 来检测特定图像的整个部分；

        最后在输出真个函数的输出。

           当然实际的模型 可能比这个要复杂的多， 各种简单模型也不相同（以后慢慢讲解）；

        所谓的深度学习  的  深度 指的就是  有很多这样的层而已。

第二句话的理解：

                    

      深度学习仍属于机器学习的一种；  深度学习《 表示学习《机器学习《AI；

      其实是大数据和计算机的计算能力 成就了深度学习， 深度学习是从大量的数据中 学习数据的规律和特征，来表示输出；

              他表达的是一种 关联关系，而非因果关系。

      比如人脸检测， 是需要输入很多的人脸和非人脸的图片，供机器学习，  同时需要指定标签； 而机器学习的过程就是根据标签，不断修正函数内部的参数， 是结果更准确的表达训练数据， 其实就是找到图片的人脸特征和非人脸特征，  这样 在预测另外一张人脸图片时， 就依靠之前训练得到的参数， 来根据相似性 来预测这张有没有人脸。 其实就是大量数据的相关性。

           深度的不断增加 和完善， 给了表达更复杂模型的能力。

            

           本篇仅仅入门理解， 慢慢增加深度学习的总结， 感兴趣的可以关注下。