深度学习的简介

摘要： 目前深度学习已经应用到我们生活的方方面面，例如计算机视觉、语音识别、人脸识别、自然语言处理、音频处理、机器翻译等等，现在深度学习还有很大的发展空间，非常值得我们去学习。
前言
这一个礼拜经过我的学习，我主要学习了关于深度学习的相关知识，今天我主要讲解一下关于深度学习、人工神经网络和深度神经网络的相关知识。

1、深度学习
深度学习是基于人工神经网络的机器学习方法族，是一类机器学习算法。

2、人工神经网络
人工神经网络是一组相互连接的节点，受大脑中神经元简化的启发，这里每个图形节点代表一个人工神经元，箭头代表一个人工神经元的输出到另一个人工神经元的输入的连接。这种人工神经网络是由构成动物的大脑的生物神经网络而启发的计算机系统，这种系统通过示例来完成学习任务，而不需要特定的任务编程。

如下图就是启发人工神经网络的神经元结构

虽然目前的神经网络通常只有几千~几百万个单位元连接，但是却能超出人类水平的水平上来执行许多任务。

3、深度神经网络（DNN）
深度神经网络是一个在输入层和输出层之间有多层的人工神经网络。

例： 首先DNN会被给予许多图片去学习关于狗的品种、毛发等特征，经过无数的学习，其每一层的权重值会越来越精确，然后当我们给DNN一张狗的图片时，被训练识别狗品种的DNN检查给定的图像，并在每一层并计算图像中狗是某个品种的概率， DNN遍历各层并计算每个输出的概率，经过多层的累加便可返回结果（高于某个阀值时），并返回建议的标签，由此来辨别狗的品种。

上图就是深度神经网络运作过程的详细过程，在输入层输入图片，经过中间隐藏层的计算，计算出每个输出的概率，在乘上相应的权重，最后相加后再加上偏差数得到输出，并给出建议的标签。

因为在输入与输出之间有许多层，故称为“深度”神经网络，而我们所说的“深度”学习也指的是这里从输入到输出的最长路径的长度。

结尾
好了，今天的学习分享就到这里了，以上纯属我个人学习所得，如有不当之处还望各位大佬可以指点一二，小生不胜感激。