兒童英語(yǔ)深度學(xué)習(xí)閱讀體會(huì)

深度：1.向下或向里的距離。 2.事物向更高階段發(fā)展的程度。 3.觸及事物本質(zhì)的程度。
反義詞：廣度

深度學(xué)習(xí)講究的是專業(yè)與復(fù)雜的融合。

網(wǎng)絡(luò)的深度，也就是說你的模型的網(wǎng)絡(luò)會(huì)采用更多層，一般的網(wǎng)絡(luò)基本都是三四層的，包括輸入層，隱藏層，輸出層。而深度網(wǎng)絡(luò)加深了隱藏層數(shù)，能夠更加提取到更好的質(zhì)量更高的特征信息。比如說VGG16，19等等，當(dāng)然還有更深的優(yōu)秀的網(wǎng)絡(luò)。

深度：
認(rèn)真。
細(xì)致
系統(tǒng)。
專心。
有調(diào)理。
有目的。
不恥下問

深度學(xué)習(xí)，按我個(gè)人的理解主要就是多層神經(jīng)網(wǎng)絡(luò)。

而多層神經(jīng)網(wǎng)絡(luò)目前效果比較好的是卷積神經(jīng)網(wǎng)絡(luò)，目前在圖像和音頻信號(hào)上效果比較好，而在自然語(yǔ)言處理上效果沒有顯示出來。

深度學(xué)習(xí)從統(tǒng)計(jì)學(xué)的角度來說,就是在預(yù)測(cè)數(shù)據(jù)的分布，從數(shù)據(jù)中學(xué)得一個(gè)模型然后再通過這個(gè)模型去預(yù)測(cè)新的數(shù)據(jù)，這一點(diǎn)就要求測(cè)試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)必須是同分布。
從Inception的角度上來看的話，其實(shí)深度學(xué)習(xí)是在模擬人腦的工作機(jī)制。

深度學(xué)習(xí)即數(shù)據(jù)內(nèi)涵的模式（特征）本身具備上述的多層級(jí)結(jié)構(gòu)時(shí)候，我們的機(jī)器學(xué)習(xí)方法。

從以毒攻毒的角度看， 此時(shí)我們的機(jī)器學(xué)習(xí)機(jī)器也需要具有類似的多級(jí)結(jié)構(gòu)，這就是大名鼎鼎的多層卷積神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)最大的優(yōu)勢(shì)是具有更高級(jí)的對(duì)“結(jié)構(gòu)”進(jìn)行自動(dòng)挖掘的能力，比如它不需要我們給出所有的特征，而是自發(fā)去尋找最合適對(duì)數(shù)據(jù)集進(jìn)行描述的特征。

??一個(gè)復(fù)雜模式-比如“人臉” 事實(shí)上可以看做一個(gè)簡(jiǎn)單模式的層級(jí)疊加， 從人臉上的輪廓紋理這種底層模式， 到眼睛鼻子這樣的中級(jí)模式， 直到一個(gè)獨(dú)特個(gè)體這樣最高級(jí)的復(fù)雜模式， 你只有能夠識(shí)別底層模式，才有可能找到中級(jí)模式， 而找到中級(jí)模式才方便找到高級(jí)模式， 我們是不能從像素里一步到達(dá)這種復(fù)雜模式的。 而是需要學(xué)習(xí)這種從簡(jiǎn)單模式到復(fù)雜模式的結(jié)構(gòu)， ?多層網(wǎng)絡(luò)的結(jié)構(gòu)應(yīng)運(yùn)而生。

網(wǎng)絡(luò)中隱藏層的層數(shù)吧，理論上隨著隱層的加深能夠模擬任意維度的曲線

深度閱讀（Deep Reading）是一種基于知識(shí)圖譜，集成與書籍相關(guān)的知識(shí)源，具備內(nèi)容理解、關(guān)聯(lián)分析以及用戶行為分析能力，支持個(gè)性化、基于上下文感知的知識(shí)推薦，向讀者主動(dòng)提供全面、關(guān)聯(lián)、智能的深度知識(shí)服務(wù)的全新閱讀模式。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的分支，是一種以人工神經(jīng)網(wǎng)絡(luò)為架構(gòu)，對(duì)數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的算法。至今已有數(shù)種深度學(xué)習(xí)框架，如深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和深度置信網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)已被應(yīng)用在計(jì)算機(jī)視覺、語(yǔ)音識(shí)別、自然語(yǔ)言處理、音頻識(shí)別與生物信息學(xué)等領(lǐng)域并獲取了極好的效果。

廣度是讓你看到的范圍大些，深度是讓你讀進(jìn)去，讀深

深度學(xué)習(xí)包含在機(jī)器學(xué)習(xí)中，也是機(jī)器學(xué)習(xí)的一種。zd深度學(xué)習(xí)模型自己提取特征，輸入圖像進(jìn)行訓(xùn)練，而機(jī)器學(xué)習(xí)需要人為提取特征，即提取圖內(nèi)像的特征篩選后訓(xùn)練模型。在大量數(shù)據(jù)的情況下，深度學(xué)習(xí)效果很好，可以完成很多高難任務(wù)。是當(dāng)下火熱的也是效果最好的，但是對(duì)硬件要求高數(shù)據(jù)量需求大。機(jī)器學(xué)習(xí)硬件需求低容，小數(shù)據(jù)情況可以得到較好的模型。