一、基本概念
1.所有深度学习都是机器学习
2.深度学习过程中,每一层神经网络都对输入数据进行了处理,从而学习到数据特征和模式
3.深度学习关键" 反向传播 ", 它通过计算损失函数, 将误差反馈给每一层网络,来调整每层的权重
4."特征学习"概念,深度学习模型可以自动发现和利用数据中的有用特征,无需人工介入.
5.深度学习的成功依赖大量的数据和强大的计算能力
二、使用场景
1.图像识别和处理
2.NLP自然语言处理
3.音频处理
4.视频分析
5.游戏和仿真
6.金融医药
三、算法
1.卷积神经网络CNN
2.循环神经网络RNN及其变体 LSTM、GRU
3.Transformer架构
4.自编码器Autoencoders
5.生成对抗网络GANs