在上一篇博客逻辑回归基础上已经引出了神经网络（深度学习）的概念，在这篇博客中将进一步介绍时下如日中天的话题——深度学习。

---

目录

---

历史回顾

<script type="math/tex" id="MathJax-Element-1">\quad</script>

Three Steps for Deep Learning

类似机器学习的三步骤，深度学习同样按照这一逻辑分为三步骤：

step1

Fully Connect Feedforward Network

全连接神经网络是常见的神经网络连接方式，神经元之间全部连接。

神经网络通常表达为矩阵形式，因为在计算中会将矩阵传递给GPU进行加速计算

<script type="math/tex" id="MathJax-Element-2">\quad</script>

举例

举个例子，在训练模型之前应该人为地先设置神经网络结构（几层神经网络、每层多少神经元）。

<script type="math/tex" id="MathJax-Element-3">\quad</script>

step2

假设用神经网络进行分类，此时模型的选择标准和逻辑回归一样，

<script type="math/tex" id="MathJax-Element-4">\quad</script>

step3

利用Gradient Descent寻找最优模型，比如Backpropagation可以大大提高计算的效率。
<script type="math/tex" id="MathJax-Element-5">\quad</script>

为什么需要深度学习

随着神经网络层数的提高，模型得到不断的优化。