[D18] DL 深度学习(1)

前面说到深度学习（Deep Learning）是实现机器学习（ML）的一个技术，它使用的算法类似於人脑中使用神经元的方式，分为 DNN、CNN 和 RNN 三种。

DL概念

为了理解计算机如何使用深度学习，研究人员借鉴了一个类似的过程：幼儿试图学习如何识别狗？

蹒跚学步的孩子首先学会将图片与大人所说的＂狗＂这个字联系起来。
孩子继续将吠叫声与狗联系起来，然後孩子开始说这个字，可能会发出几种错误的发音，直到他们最终理解了这个字。

同样，计算机具有层次结构，每个级别的算法对输入应用一个级别的转换（这是它所做的学习），并创建一个统计模型作为输出的参考。

各种迭代（就像孩子学习识别狗一样）被考虑在内，直到达到所需的准确度水平，需要经过几个层或特徵集才能达到最终结果，这就是为甚麽叫“深度”学习的原因！

DL 应用

CNN（Convolutional Neural Network） 十分常被用在 DL 上，处理更多由影像处理延伸的辨识功能，例如＂Reading text in the Wild＂

→ 可以读出视频中的文字，只要输入文字，就可以直接搜出图像中包含这些文字的 BBC 新闻视频。
以下是对「London」的一部分搜索结果：

图片来源
参考资料