深度学习与神经网络

最近看目标识别的文献，许多人工智能的概念把人搞得晕头转向。查了一些资料，总算明白点了。

深度学习泛指深度神经网络，就是有深度的神经网络，需要多层，是从单层、两层神经网络发展而来的。深度学习是机器学习的一种，或者说一种进化，不过，现在机器学习与深度学习的界限已经不明显了，深度学习也用到机器学习的模型。

神经网络就是模拟人脑的行为，早期单层、两层模型只能简单分类，现在多层神经网络能够复杂分类。比如说，小孩子经过认狗的训练，然后他就从包含狗的图片中识别出狗来。我们无需理解大脑神经元是如何运作的，只需要将这个小孩训练好，能识别狗就行，这个能识别狗的小孩子就是我们需要的神经网络模型。

深度学习 包含卷积神经网络CNN、递归神经网络RNN、生成对抗神经网络GAN、Transformer等神经网络模型，现在Transformer模型有一统江湖的趋势，目前大部分大模型都是Transformer架构。

https://www.zhihu.com/question/35965814?sort=created

机器学习入门（15）— 全连接层与卷积层的区别、卷积神经网络结构、卷积运算、填充、卷积步幅、三维数据卷积、多维卷积核运算以及批处理_全连接层和卷积层的区别-CSDN博客 

https://zhuanlan.zhihu.com/p/13491328897 

卷积神经网络和深度神经网络的区别是什么？_深度神经网络和卷积神经网络区别-CSDN博客