【人工智能学习笔记】4_1 深度学习基础之深度学习概述

深度学习概述

深度学习（Deep Learning， DL）

• 是机器学习的分支
• 是一种以人工神经网络为架构，对资料进行表征的学习的算法
• 表征学习（特征学习） ：将原始数据转换成为能够被机器学习有效开发的一种技术的集合

优缺点

• 优点
  • 学习能力强
  • 覆盖范围广、适应性好
  • 数据驱动、上限高
  • 可移植性好
• 缺点
  • 计算量大、便携性差
  • 硬件需求高
  • 模型设计复杂
  • 容易存在偏见

传统机器学习与深度学习对比

深度学习框架

• 定义
  • 一种界面、库或工具；
  • 能够让开发人员利用预先构建和优化好的组件集合定义模型
  • 更容易、更快速地构建深度学习模型
  • 一个良好的深度学习框架应具备以下5个关键特征
    1. 针对性能进行优化
    2. 易于理解与编码
    3. 强大的社区生态
    4. 并行化进程加快运算
    5. 自动计算渐变
• 常用深度学习框架包括TensorFlow、Torchid、Caffe