什么是深度学习？
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，通过模仿人脑的机制来解释数据，例如图像，声音和文本等信息。
图：神经元、神经元网络、神经系统的联系，来源于网络
为了便于理解，在给大家更近一步讲解什么是深度学习之前，我们需要先简单了解一下计算机世界中的神经网络是什么。
假设每一个神经元就是一个逻辑回归算法，现在设置一个符合逻辑回归算法的函数：Z（x）=W1X1 + W2X2 + W3X3 +…+WnXn + b，则该神经元的表示如下：
图：神经元逻辑结构示例，来源于网络
与生物学中的神经元、神经元网络和神经系统结构类似，神经网络也是由多个神经元相互连接而成，每个神经元都通过接收前一层网络传递来的信息，经过处理后再传递给下一层。
按结构来分，神经网络由输入层、隐藏层和输出层组成。
输入层：即原始的特征输入。
隐藏层：除输入层和输出层外，其他的就是隐藏层。
输出层：后面不再接其他神经元。
图：神经网络结构，来源于网络
对于一个具有多层网络结构的神经网络，我们就可以说是深度学习。少则三五层，多达上百层，对于“多层”究竟是多少层，其实并没有一个官方定义。
深度学习的实质，其实就是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性，即“深度模型”是手段，“特征学习”是目的。
深度学习的核心思想
深度学习中有一个非常重要的思想——模组化。那什么是模组化思想呢？
举个例子，假如现在需要做一个人群区分的图像识别，将结果分为长发女生、短发女生、长发男生和短发男生。
如果采用的是非模组化的思路，通常就需要设计4个基础的分类器：长发女、短发女、长发男、短发男，然后分别找对应类型的图片去进行训练，但现实中长发男生比较少，因此训练出来的模型就可能会有一定的偏差。
图：非模组化思路图解，来源于网络
同一个问题，如果采用模组化思路的解决方式，就可以考虑先训练好两个基础模型：分别用于区分男女和头发长短，用足够多的数据训练好这两个分类器后，在下一层区分长发女、短发女、长发男、短发男的分类器中，就可以直接调用前面模块的输出组合了。
图：模组化思路图解，来源于网络
通过两种思路的对比，我们可以发现模组化可以充分利用数据，通过比较少的数据就可以训练出较好的模型，且训练时间短，能够灵活调用。
深度学习的优缺点
优点：
1.学习能力强
从结果来看，深度学习的表现非常好，其学习能力非常强。
2.覆盖范围广，适应性好
深度学习的神经网络层数很多，宽度很广，理论上可以映射到任意函数，所以能解决很复杂的问题。
3.数据驱动，上限高
深度学习高度依赖数据，数据量越大，其表现越好。在图像识别、面部识别、NLP 等部分任务甚至已经超过了人类的表现，同时可以通过调参还进一步提高其上限。
缺点：
1.计算量大，便携性差
深度学习强大的计算能力需要大量的设备及数据，且现在很多应用还不适合在移动设备上使用。
2.硬件需求高
深度学习对算力要求很高，普通的CPU无法满足其需求，主流的算力都使用GPU和TPU，所以对于硬件的要求很高，成本也很高。
3.模型设计复杂
深度学习的模型设计非常复杂，需要投入大量的人力物力和时间来开发新的算法和模型。
深度学习的应用案例
1. Face 2 Face
Face2Face是斯坦福大学学生做的一款应用软件，利用面部追踪技术和图像算法，将一个人的面部表情、说话时面部肌肉的变化非常逼真地复制到另一个视频中的人脸上。相对于传统的面部图像处理算法来说，该技术是第一个能进行实时面部转换的模型(以前的都或多或少有一定延迟)，而且准确率和真实度比传统的处理模型要出色得多。
图：软件示例，来源于网络
2. AI画作
系统通过学习分析大量诸如毕加索、梵高等世界著名画家的绘画风格后，将其运用于我们的绘画中，能够灵活处理对比度、颜色和纹理，将随手一画的作品或照片秒变成一幅充满艺术感的现代抽象派大作。
图：合成示例，来源于网络
由于深度学习自身的优势和特点，使其尤为擅长处理本身比较冗杂、需要一个相对复杂的系统去完成拟合的任务，比如图像识别、物体检测、自然语言翻译、语音识别和趋势预测等，甚至可以说，机器学习能完成的任务，深度学习都可以完成。
奥德塔动态大数据资源中心基于互联网+大数据+人工智能技术构建，通过分布式数据采集集群、数据特征提取、机器学习和深度学习算法模型、NLP文本分析等技术实现了数据的实时更新、高度关联、动态下载、主动推送，为企业采购风控、销售客户评估、Al精准获客、精准招商、投融资、高校科研机构、政府事业单位提供了全方位的数据支持和数据应用解决方案；基于数据资源中心和分析专家团队为客户提供了行业产业分析报告、发展趋势报告和相关指数报告等专业咨询服务支持。
如您感兴趣或有合作意向，欢迎进行咨询：
联系人：赵先生
联系电话（同微信）：15010317454
关注公众号“企通查”，对话框回复关键词“社群”即可获得企通查资源分享群进群方式，群内每天免费分享一篇优质行业报告，欢迎入群！
参考文献：
http://www.woshipm.com/ai/2585485.html
https://easyai.tech/ai-definition/deep-learning/#guanxi
网友评论