深度学习基础

深度学习基础

1.什么是深度学习

深度学习是机器学习的一部分，机器学习是人工智能的一部分。关系可用下图表示：

机器学习：在预先定义好的的可能性空间中，利用反馈信号的指引来寻找输入数据的有用表示。

深度学习：是机器学习的分支，利用层来从数据中学习表示。（学习数据表示的多级方法）所谓深度是指模型结构包含多层神经网络，这些层的参数都能从数据中自动学习。

深度学习就是通过一些简单的数据变换（层）来得到输入到目标的映射，这些数据变换就是通过学习示例来得到的。具体的如何得到的，下面将进行介绍：

首先神经网络将那些对输入数据所做的具体操作保存在层的权重中，这些权重本质就是一串数字，权重有时就被称为该层的参数。学习的目的就是能得到神经网络层的参数，来使输入数据和目标一一对应。

为了使输入经过变换的得到的输出与预期输出更为贴近，这时就要用到损失函数，损失函数也叫目标函数，损失函数的输入是模型预测值和真实目标值，将这两个算一个距离，使其最小化来通过优化参数不断使预测值接近真实值。

如何使损失函数减小，减小预测值和目标值之间的距离，就要用到优化器（优化函数）。优化函数就是利用这个距离值作为反馈信号对权重值进行微调来减少损失值。

一般先将权重值随机赋值，这时候和目标值相去甚远，随着处理的示例不断增加，权重值在不断地向正确的方向微调，使得损失值不断减小。通过一轮一轮的训练使得损失值降到最小，这时的参数就会比较合适，模型也就