注意，本文內容並不符合常規的教學資料，僅僅用於在五分鐘內，從零開始了解整個深度學習概念。詳細的深度學習還是需要通過正規的學習路徑進行學習。
1、機器學習與深度學習
機器學習是一種實現人工智慧的方法，深度學習是一種特殊的機器學習。
2、神經網路
神經網路就是由一堆的神經元組成的網路，其中第一層是輸入層（對於影象識別來說就是影象），最後一層是輸出層（就是**的結果），中間的層叫隱藏層。
下圖就是乙個三層的神經網路（通常認為輸入層是第0層，計算層數時只計算隱藏層和輸出層），只有乙個輸出結果。
每個神經元都有一堆引數和乙個啟用函式構成，通過 （輸入、引數）計算出 輸出，並傳遞給下一層的神經元。
從輸入層開始，輸入影象/文字資料，逐層進行計算，最後得到**結果，這個過程叫前向傳播。
通過乙個函式（損失函式）計算**結果和實際結果的差異，並反饋給模型。模型根據差異，調整每一層的引數，努力使模型更加準確，這個過程叫反向傳播。
模型不斷的根據**結果和正確結果修改每一層的引數，提高準確率的過程叫訓練。
隨著不斷的學習，模型的準確率會越來越高，當模型的準確率合格後，我們就可以將模型部署到伺服器上，進行**，這個過程叫推理。
2、訓練集、驗證集和測試集
train_data，valid_data，test_data
學習的目的是為了考試的成績更高，訓練就是考前反覆刷題（做題，然後核對答案），驗證就是做模擬卷（拿一些沒有做過的題，來驗證你是否掌握了方法），測試就是最後參加考試。
如果我們直接拿刷過的題來出模擬考試卷，那麼就達不到驗證的目的，你可能僅僅是背下了答案。所以我們通常將題目劃分成兩個部分，一部分用於學習，一部分用於驗證。
有的時候還會有測試集（不一定有），就是用訓練好的模型來實際的進行**，看看**的效果如何。
3、其他概念
模型：也叫網路，就是神經網路的結構（有多少層、每層有幾個神經元，每個神經元的啟用函式是什麼、每個神經元的引數是多少......）
過擬合：通過反覆刷題，有人發現凡是出現了「首先」字樣的題，都會選c。但是實際上並不是普遍、正確的規律。在過擬合的情況下，考生對手上已有的題倒背如流，但是做沒有見過的題就錯誤很多。如果你的模型反覆訓練，對訓練集的**精度越來越高，但是驗證的時候精度反而開始降低了，那就很可能是過擬合了。
欠擬合：連反覆刷的題都基本做不對。
4、深度學習的基本流程
劃分資料集為訓練集和驗證集——資料預處理——定義模型結構——反覆訓練模型——儲存模型——使用模型進行推理（**）
1 1 深度學習 基本概念
什麼是深度學習？深度學習是基於機器學習延伸出來的乙個新的領域，由以人大腦結構為啟發的神經網路演算法為起源加之模型結構深度的增加發展，並伴隨大資料和計算能力的提高而產生的一系列新的演算法。深度學習什麼時間段發展起來的？其概念由著名科學家geoffrey hinton等人在2006年和2007年在 sc...
2 深度學習基本概念
evernote export 1.基本概念 訓練集，測試集，特徵值，監督學習，非監督學習，半監督學習，分類，回歸 2.概念學習 人類學習概念 鳥，車，計算機 定義 概念學習是指從有關某個布林函式的輸入輸出訓練樣例中推斷出該布林函式 3.例子 學習 享受運動 這一概念 小明進行水上運動，是否享受運動...
深度學習筆記 tensorflow基本概念
用tensorflow這樣工具的原因是 它允許我們用計算圖 computational graphs 的方式建立網路.下面就是對計算圖的直觀講解。例如 計算圖所建立的只是乙個網路框架。在程式設計時，並不會有任何實際值出現在框架中。所有權重和偏移都是框架中的一部分，初始時至少給定初始值才能形成框架。因...