1樓：誰是誰的誰
深度學習(dl, deep learning)是機器學習(ml, machine learning)領域中乙個新的研究方向，它被引入機器學習使其更接近於最初的目標——人工智慧(ai, artificial intelligence)。
深度學習是學習樣本資料的內在規律和表示層次，這些學習過程中獲得的資訊對諸如文字，影象和聲音等資料的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、影象和聲音等資料。深度學習是乙個複雜的機器學習演算法，在語音和影象識別方面取得的效果，遠遠超過先前相關技術。
2樓：洛寒凝
什麼是深度學習呢。就是別人說話你聽不到。任何事情。都不裝在腦子裡只是專注學習。
3樓：匿名使用者
1.以結果導向：明確為什麼要學，以及你學習的目標。
2.結合經驗：一邊聽講一邊代入自己的經驗，同時，不要讓已有認知阻礙新知識的攝入。
3.自主學習：參與學習，而不是被動才接受資訊。
4.積極行動：「從做中學」學完之後不僅要理解，更要應用。
4樓：匿名使用者
深度學習，是機器學習中一種基於對資料進行表徵學習的方法。深度學習是機器學習研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同。
例如卷積神經網路就是一種深度的監督學習下的機器學習模型，而深度置信網就是一種無監督學習下的機器學習模型。深度學習的好處是用非監督式或半監督式的特徵學習和分層特徵提取高效演算法來替代手工獲取特徵。
5樓：帳號已登出
所謂深度學習，就是在教師引領下，學生圍繞具有挑戰性的學習主題，全身心積極參與、體驗成功、獲得發展的有意義的學習過程。在這個學習過程中，學生掌握學科核心知識，理解學習過程，把握學科本質及思想方法，形成積極的記憶體學習動機、高階社會性情感、積極的態度、正確的價值觀，成為既具有獨立性、批判性、創造性，又有合作精神，基礎紮實的優秀的學習者，成為未來社會歷史實踐的主人。
6樓：蘭州新華網際網路學校
深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。
7樓：網友
深度學習的「深度」是乙個屬性詞，深度學習就是程度很深的學習。深度學習的反義詞是程度很淺的學習，即膚淺的學習、表層的學習、淺顯的學習、淺薄的學習等。
8樓：來自陶然亭湘紋飄逸的藍鯨
深度學習就是在原來的知識基礎上再細緻研究，加深認識，努力找到突破，這就是深度學習。
9樓：姑蘇老師
深度的學習就是可以去專心的把心思花在學習上，能夠真正的去了解這些知識，了解透徹。
10樓：虎哥ke堂
我們將了解深度學習如何實現，並繼續討論它與#機器學習和人工智慧的不同之處。我們也會看一下神經網路是什麼，以及它們是如何被訓練來識別手寫數字的。
深度學習是什麼？
11樓：三叉貓
什麼是神經網路，深度學習。
12樓：毋童
愛學習的人不少，會學習的人不多。從小接受的教育教會我們的「學習」更多是把知識點背下來、能解答習題，從未有人教我們如何「有效學習」或「深度學習。深度學習力本質上是一種競爭力。
13樓：hd凱
深度學習是機器學習的分支，是一種以人工神經網路為架構，對資料進行表徵學習的演算法。至今已有數種深度學習框架，如深度神經網路、卷積神經網路和深度置信網路和遞迴神經網路已被應用在計算機視覺。
14樓：面具小子愛
深度學習就是你非常認真專心的在沉入學習外界的因因素是影響不了你的。
15樓：雲南萬通汽車學校
深度學習包含在機器學習中，也是機器學習的一種。zd深度學習模型自己提取特徵，輸入影象進行訓練，而機器學習需要人為提取特徵，即提取圖內像的特徵篩選後訓練模型。在大量資料的情況下，深度學習效果很好，可以完成很多高難任務。
是當下火熱的也是效果最好的，但是對硬體要求高資料量需求大。機器學習硬體需求低容，小資料情況可以得到較好的模型。
16樓：匿名使用者
簡單來說，機器學習是實現人工智慧的方法，深度學習是實現機器學習的技術。機器學習在實現人工智慧時中需要人工輔助（半自動），而深度學習使該過程完全自動化。
舉個例子：通過機器學習演算法來識別水果是橘子還是蘋果，需要人工輸入水果的特徵資料，生成一定的演算法模型，進而可以準確**具有這些特徵的水果的型別，而深度學習則能自動的去發現特徵進而判斷。
17樓：燁燁帶你懂影視
一、資料依賴性
深度學習與傳統的機器學習最主要的區別在於隨著資料規模的增加其效能也不斷增長。當資料很少時，深度學習演算法的效能並不好。這是因為深度學習演算法需要大量的資料來完美地理解它。
三、硬體依賴
深度學習演算法需要進行大量的矩陣運算，gpu 主要用來高效優化矩陣運算，所以 gpu 是深度學習正常工作的必須硬體。與傳統機器學習演算法相比，深度學習更依賴安裝 gpu 的高階機器。
二、特徵處理
特徵處理是將領域知識放入特徵提取器裡面來減少資料的複雜度並生成使學習演算法工作的更好的模式的過程。特徵處理過程很耗時而且需要專業知識。
深度學習嘗試從資料中直接獲取高等級的特徵，這是深度學習與傳統機器學習演算法的主要的不同。基於此，深度學習削減了對每乙個問題設計特徵提取器的工作。
例如，卷積神經網路嘗試在前邊的層學習低等級的特徵，然後學習部分人臉，然後是高階的人臉的描述。更多資訊可以閱讀神經網路機器在深度學習裡面的有趣應用。
當應用傳統機器學習演算法解決問題的時候，傳統機器學習通常會將問題分解為多個子問題並逐個子問題解決最後結合所有子問題的結果獲得最終結果。相反，深度學習提倡直接的端到端的解決問題。
深度學習和機器學習是什麼關係，深度學習和機器學習的區別是什麼
深度學習是機copy器學習的乙個領域 深度學習以神經網路模型為基礎，難度比較大 目前深度學習裡面的成熟模型很多，cnn rnn gan transformer 等等 自然語言處理有bert 現在很多智慧型領域已經唯深度學習技術不用了 深度學習和機器學習的區別是什麼 兩者不是同乙個level上的，深度...
深度學習和深度強化學習的區別深度學習和強化學習有什麼區別？去哪裡可以學習？
強化學習 和深度學習是兩種技術，只不過深度學習技術可以用到強化學習上，這個就叫深度強化學習.1.強化學習其實也是機器學習的乙個分支，但是它與我們常見的機器學習不太一樣。它講究在一系列的情景之下，通過多步恰當的決策來達到乙個目標，是一種序列多步決策的問題。強化學習是一種標記延遲的監督學習。2.強化學習...
深度學習都需要學習那些內容，深度學習需要哪些基礎知識？
建議你去學習技術，現在技術人才很吃香，國家對技術人員的培養也越來越重視。比如汽車維修技術，就業前景不錯，薪資待遇也高。不同的專業學習深度都不一樣，你可以根據你的專業諮詢別人。新度學習都需要學習哪些內容？心不學習有很多很多的內容，那就要看你學哪一些啦。深度學習需要哪些基礎知識？深度學習預備知識 數學基...