深度学习是什么，深度学习算法

　　深度学习是什么，深度学习是一个专业概念，是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能的。

　　关于深度学习算法，深度学习等问题，今天小编将带您来分享一下。

深度学习是什么

　　深度学习是一个专业概念，是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。

　　深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。

　　深度学习的目标

　　深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

　　深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

　　深度学习的作用

　　深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。

　　深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

什么是深度学习？

　　一、数据依赖性

　　深度学习与传统的机器学习最主要的区别在于随着数据规模的增加其性能也不断增长。

　　当数据很少时，深度学习算法的性能并不好。

　　这是因为深度学习算法需要大量的数据来完美地理解它。

　　三、硬件依赖

　　深度学习算法需要进行大量的矩阵运算，GPU 主要用来高效优化矩阵运算，所以 GPU 是深度学习正常工作的必须硬件。

　　与传统机器学习算法相比，深度学习更依赖安装 GPU 的高端机器。

　　二、特征处理

　　特征处理是将领域知识放入特征提取器里面来减少数据的复杂度并生成使学习算法工作的更好的模式的过程。

　　特征处理过程很耗时而且需要专业知识。

　　深度学习尝试从数据中直接获取高等级的特征，这是深度学习与传统机器学习算法的主要的不同。

　　基于此，深度学习削减了对每一个问题设计特征提取器的工作。

　　例如，卷积神经网络尝试在前边的层学习低等级的特征，然后学习部分人脸，然后是高级的人脸的描述。

　　更多信息可以阅读神经网络机器在深度学习里面的有趣应用。

　　当应用传统机器学习算法解决问题的时候，传统机器学习通常会将问题分解为多个子问题并逐个子问题解决最后结合所有子问题的结果获得最终结果。

　　相反，深度学习提倡直接的端到端的解决问题。