数据集越大使用深度学习效果越明显
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200424230745100.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQ3NzYyNjU=,size_16,color_FFFFFF,t_70)
![在这里插入图片描述](https://img-blog.csdnimg.cn/2020042423074595.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQ3NzYyNjU=,size_16,color_FFFFFF,t_70)
对于图片数据适用于CNN神经网络
对于音频,文字翻译适用于RNN神经网络
对于图像与雷达信息的结合,适用于个性化订制的混合神经网络
普通神经网络,CNN,RNN
![在这里插入图片描述](https://img-blog.csdnimg.cn/2020042423094310.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQ3NzYyNjU=,size_16,color_FFFFFF,t_70)
结构化数据与非结构化数据
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200424231038688.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQ3NzYyNjU=,size_16,color_FFFFFF,t_70)
对于小尺寸的训练集,工程师的手工调参更重要。可能SVM等机器学习算法的效果超越神经网络的表现效果。
但是对于大数据级别的数据,神经网络的优势突显。
越大的数据量,就更需要更大规模的神经网络。来足够消化数据
![在这里插入图片描述](https://img-blog.csdnimg.cn/2020042423112183.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQ3NzYyNjU=,size_16,color_FFFFFF,t_70)
新神经网络的算法,大部分用来加快计算速度。
比如:将激活函数从sigmod转变成Relu函数
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200424231143310.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTQ3NzYyNjU=,size_16,color_FFFFFF,t_70)