一文盘点深度学习13个常见问题（附详细解答&学习资源）

作者：VIDHYA小组

翻译：陈之炎

校对：顾佳妮

本文共4700字，建议阅读10+分钟。
本文为你解答关于入门深度学习的问题，并列出了大量的资源让你起步学习。

概述

从Facebook的研究到DeepMind的传奇算法，深度学习已经登上了数据科学界的顶峰。它带来了惊人的创新，不可思议的突破，而且在这一领域我们才刚起步！

不过如果你是这个领域的新手，“深度”这个词可能会让你产生怀疑。深度学习是当今这一行业最热门的话题之一，但不幸的是，它对大多数人来说是陌生的和神秘的。很多人的印象是深入学习涉及到大量的数学和统计知识。

如果你有类似的关于深度学习的问题，但不知道如何、何时、何地去提问-本文正是你要找的地方。这篇文章回答了你想知道的大部分内容。

在这篇文章中，我们将消除一些关于深度学习的神话，并回答关于这个领域的一些被广泛问到的问题。我们还提供了大量的资源让你起步。

令人兴奋的部分来了，深度学习并没有大多数人想象中的那么苦难。继续读下去，你会发现更多！

目录

Q1：什么是深度学习？为什么它如此受欢迎？

Q2：深度学习是一种炒作还是有现实生活中的应用？

Q3：深度学习和机器学习有什么区别？

Q4：深造的先决条件是什么？

Q5：是否有必要有一个研究背景的深度学习，以开始它？

Q6：我应该选择哪种工具/语言来构建深度学习模型？

Q7：为什么GPU是构建深度学习模型所必需的？

Q8：什么时候(和在哪里)应用深度学习？

Q9：我们需要大量的数据来训练深度学习模式吗？

Q10：我在哪里可以找到一些基本的项目想法，以实践深入学习？

Q11：深度学习的免费学习资源是什么？

Q12：深度学习领域面试常见问题？

Q13：深度学习的未来是什么？

Q1：什么是深度学习，为什么现在如此受欢迎？

深度学习只不过是机器学习中近年来表现出惊人前景的一个分支。这是因为深度学习与人脑的功能有很大的相似之处。人脑的优越性是一个显而易见的事实，它被认为是有史以来最富创造力、最多才多艺、最有效的自学习模型。

现在，让我们举一个例子来理解深度学习模型的功能：

在上面的图片中你看到了什么？

最明显的答案是“一辆车”，对吗？尽管图片里有沙子，绿色植物，云和很多其他的东西，我们的大脑标记这个图像为一辆汽车。这是因为我们的大脑已经学会了识别图像的主要对象。

这种从大量外来数据中提取有用信息的能力使深度学习变得特别。随着日渐增涨的数据量，我们希望我们的模型有更好的，更多的数据输入进来。而深度学习模型会随着数据量的增加而变得更优。

尽管深度学习已经存在了很多年，但这些技术的重大突破仅仅是在最近几年才出现的。这是因为两个主要原因-正如我们前面所看到的，首先是各种来源生产的数据的增加。下面的信息图表简洁地展示了这一趋势。第二个问题是运行这些模型所需的硬件资源的提升。GPU正在成为运行深度学习模型的一种需求，它的速度比以前快了好几倍，它们帮助我们在相对较短的时间内建立更大、更深入的学习模型。

这就是为什么深度学习已经成为数据科学行业的一个热门词汇的原因。

Q2：深度学习是一种炒作

还是有现实生活中的应用？

近年来，深度学习已经有了许多实际的应用。从Netflix著名的电影推荐系统到谷歌的自动驾驶汽车，深度学习已经在改变许多企业，并有望在几乎所有行业带来一场革命。从诊断癌症到赢得总统选举，从创作艺术和写作文学到赚到现实生活的钱，深度学习模型正在被应用到方方面面。因此，如果说这只是一个被炒作的话题，那就错了。

技术型公司正在采用的一些深度学习的主要应用包括：

• 谷歌和Facebook将文本翻译成数百种语言。这是深入学习模型应用于NLP任务的一个重要的成功案例。

• 像Siri，Alexa，Cortana这样的对话媒介基本上致力于通过LSTMS和RNN简化语音识别技术。语音命令为机器识别的可能性增加了一个全新的领域。

• 深度学习正被应用于有效的计算机视觉领域，如光学字符识别和实时语言翻译。

• 像Snapchat和Instagram这样的多媒体共享可应用于面部特征检测，这是深度学习的另一个应用。

• 深度学习正应用于医疗保健领域，用来定位恶性细胞和其他异物，以检测疑难杂症。

然而，有些人认为深度学习被夸大了，因为培训深度学习模型所需的标签数据并不容易获得。即使有数据，训练这些模型所需的算力的成本也很高。因此，由于这些障碍，人们无法体验到深度学习的强大力量，而将其称为炒作。