Python Deep Learning 简明教程

深度学习已经为一些应用产生了良好的结果，例如计算机视觉、语言翻译、图像字幕、音频转录、分子生物学、语音识别、自然语言处理、自动驾驶汽车、脑肿瘤检测、实时语音翻译、音乐创作、自动游戏游戏等等。

深度学习是机器学习之后的下一次重大飞跃，采用了更先进的实现方式。目前，它正朝着成为行业标准的方向发展，有望在处理原始非结构化数据时成为游戏规则改变者。

深度学习目前是各种现实世界问题最佳的解决方案提供者之一。开发人员正在构建人工智能程序，这些程序不再使用先前给定的规则，而是从示例中学习解决复杂的任务。随着许多数据科学家使用深度学习，更深层次的神经网络正在提供越来越准确的结果。

其理念是通过增加每个网络的训练层数来开发深度神经网络；机器更多地了解数据，直至尽可能准确。开发人员可以使用深度学习技术来实现复杂机器学习任务，并训练人工智能网络以获得高水平的感知识别。

深度学习在计算机视觉中很受欢迎。此处实现的任务之一是图像分类，其中给定的输入图像被分类为猫、狗等，或作为最能描述图像的类别或标签。作为人类，我们在生命早期就学会了如何执行此任务，并且具备快速识别模式、从先验知识中概括和适应不同图像环境的技能。