深度学习浅入门
我打算写一系列的博客来一点点介绍人工智能，以及在背后支持人工智能的机器学习和深度学习
所有的东西都是根据个人搜集和按照自己的理解（当时的理解）所写，因此难免会有错误，不过
随着学习的深入，我会不断的更新和纠正。
为什么是浅入门，因为本人所学的东西感觉只是这个领域的皮毛而已，所以还谈不上入门。
先说说这3者的关系，用一张图来描述
从上图可以看出，AI（人工智能）涵盖的范围最大，接下来是机器学习（Machine Learning), 深度学习（Deep Learning）次之。
其实深度学习，最重要的一种算法（或者模型）是神经网络，并没有在上图中反映出来。
那么什么是深度学习呢？虽然早期大家提DeepLearning这个概念的时候，会联想到很多不同的模型，但是经过多年的演化，目前最主流的深度学习模型就是所谓的神经网络。神经网络是根据人类的大脑的神经网络而得到启发设计出来，神经网络中包含很多的神经元，神经元就是大脑的神经中传输信息很重要的单元，每个神经元n个输入，每个输入都有自己的权重，加上触突偏移，然后经过求和函数和激活函数，之后得到一个输出，
关于求和函数和激活函数是什么样子的，我会在后面的章节中，分别阐述。
神经网络是很多个上面提到的神经元组成，每个神经元的输出又作为下一个神经网络的输入，
深层神经网络指的是一个有至少包含两个隐层的神经网络。很多实用的深层神经网络甚至会包含成百上千个隐层。从图中可以看到，神经网络包含很多神经元，以及它们之间的拓扑连接。每个神经元做的事情非常简单，就是把上一层所有跟它相连的神经元的输出放在一起，做加权求和，然后再进行非线性变换（激活函数）。在神经元，以及神经元之间的连边上都可以有参数，比如边权和偏差等。
版权所有，禁止转载. 如需转载，请先征得博主的同意，并且表明文章出处，否则
按侵权处理.
