![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/3e832e93b4b0ab88178620a2d4a78f4f.png)
作者:Michael Copeland
翻译:杨光
校对:丁楠雅
本文约 2200字 ,建议阅读 5分钟 。 资深科技编辑Michael copeland解释了深度学习的基本原理。就像在学校上课一样,神经网络在“训练”阶段得到的教育跟大多数人一样——学会去做一份工作。
更具体的说,经过训练的神经网络可以利用自己学到的知识在数字世界中发挥作用,例如:识别图像、口语、判断血液疾病、或是换位思考,你可以将其称之为——被简化过的应用程序形式。这种更快速、高效的神经网络基于训练来推断出所呈现的新数据,在AI词典中,被称之为“推理”。
没有训练就不会有推理。可以理解,这就是我们在大多数情况下获得并使用知识的方式。就像我们不能拉着我们所有的老师、一些超载的书架以及红砖校园来阅读莎士比亚的十四行诗一样,推理并不需要其训练方案的所有基础设施来做好它的工作。