例如，我们可以把汉字“由”、“甲”、“申”的特点，包含有没有出头，笔画间的地位关系等，映射到某个特定空间里的一个点（我知道，这里又出现数学术语了。不过这不重要，是否懂得“映射”的┞锋实含义，完全不影响后续浏览）。也就是说，练习数据集中，这三个字的大年夜量不合写法，在计算机看来就变成了空间中的一大年夜堆点。只要我们对每个字的特点提取得足够好，空间中的一大年夜堆点就会大年夜致分布在三个不合典范围里。

有一种算法异常简单，模仿的是小同伙学识字的思缕鹕硪长和师长教师们可能都有如许的经验：小同伙开端学识字，比如先教小同伙分辨“一”、“二”、“三”时，我们会告诉小同伙说，一笔写成的字是“一”，两笔写成的字是“二”，三笔写成的字是“三”。这个规律好记又好用。然则，开端学新字时，这个规律就未必奏效了。比如，“口”也是三笔，可它却不是“三”。我们平日会告诉小同伙，围成个方框儿的是“口”，排成横排的是“三”。这规律又丰富了一层，但仍然禁不住识字数量的增长。很快，小同伙就发明，“田”也是个方框儿，可它不是“口”。我们这时会告诉小同伙，方框里有个“十”的是“田”。再往后，我们多半就要告诉小同伙，“田”膳绫擎出头是“由”，下面出头是“甲”，高低都出头是“申”。很多小同伙就是在如许一步一步丰富起来的特点规律的指引下，慢慢学会本身总结规律，本身记住新的汉字，并进而学会几千个汉字的。

这时，让计算机不雅察这些点的规律，看能不克不及用一种简明的瓜分办法（比如在空间中画直线），把空间瓜分成就个互相自力的区域，尽量使灯揭捉?练数据集中每个字对应的点都位于同一个区域内。如不雅这种瓜分是可行的，就解释计算机“学”到了这些字在空间中的分惯例律，为这些字建立了模型。

接下来，看见一个新的汉字图像时，计算机就Ｒ单把图像换算抽空间里的一个点，然后断定这个点落在了哪个字的区域里，这下，不就能知道这个图像是什么字了吗？

很多人可能已经看出来了，应用画直线的办法来瓜分一个平面空间（裙孟⒓所示），很难适应几千个汉字以及总计至少数万种不合的写法。如不雅想把每个汉字的不合变形都对应为空间中的点，那就极难找到一种数学上比较直截了当的办法，来将每个汉字对应的点都瓜分包抄在不合区域里。

很多年迈，数学家和计算机科学家就是被类似的问题所困扰。人们赓续改进机械进修办法。比如，用复杂的高阶函数来画出变更多端的曲线，以便将空间里互订交错的点分开来，或者，干脆想办法把二维空间变成三维空间、四维空间甚至几百维、几千维、几万维的高维空间。在深度进修实用化之前，人们创造了很多种传统的、非深度的机械进修办法。这些办法固然在特定范畴取得了必定成就，但这个世界实袈溱是复杂多样、变更万千，无论人们为计算机选择了多媚暌高古的建模办法，都很难真正模仿世界万物的特点规律。这就像一个试图用有限几种色彩画出世界真实面孔的画家，即便画艺再高超，他也很难做到“写实”二字。

那么，若何大年夜幅扩大计算机在描述世界规律时的根本手段呢？有没有可能为计算机设计一种灵活度极高的表达方法，然后让计算机在大年夜范围的进修过程里赓续测验测验和寻找，本身去总结规律，直到最终找到相符真实世界特点的一种表示办法呢？

如今，我们终于要谈到深度进修了！

深度进修就是如许一种在表达才能上灵活多变，同时又许可计算机赓续测验测验，直到最终切近亲近目标的一种机械进修办法。大年夜数学本质上说，深度进修与前面谈到的传统机械进修办法并没有本质性差别，都是欲望在高维空间中，根据对象特点，将不合类其余对象区分开来。但深度进修的表达才能，与传统机械进修比拟，却竽暌剐着天地之别。

简单地说，深度进修就是把计算机要进修的器械算作一大年夜堆数据，把这些数据丢进一个复杂的、包含多个层级的数据处理收集（深度神经收集），然后检查经由这个收集处理获得的结不雅数据是不是相符请求——如不雅相符，就保存这个收集作为目标模型，如不雅不相符，就一次次地、锲而不舍地调剂收集的参数设置，直到输出知足请求为止。

这么说照样太抽象，太难解。我们换一种更直不雅的讲法。

假设深度进修要处理的数据是信息的“水流”，而处理数据的深度进修收集是一个由管道和阀门构成的巨大年夜的水管收集。收集的人口是若干管道开口，收集的出口也是若干管道开口。这个水管收集有许独裁，每一层有很多个可以控制水流流向与流量的调节阀。根据不合义务的须要，水管收集的层数、每层的调节阀数量可以有不合的变更组合。对复杂义务来说，调节阀的总数可以成千上万甚至更多。水管收集中，每一层的每个调节阀都经由过程水管与下一层的所有调节阀连接起来，构成一个早年到后，逐层完全连通的水流体系（这里说的是一种比较根本的情况，不合的深度进修模型，在水管的安装和连接方法上，是有差其余）。

　　推荐阅读

　　一文读懂大数据计算框架与平台

1. 媒介计算机的根本工作就是处理数据，包含磁盘文件中的数据，经由过程收集传输的数据流或数据包，数据库中的构造化数据等。跟着互联网、物联网等技巧获得越来越广泛的应用，数据范围>>>详细阅读

本文标题：如何给非专业人士讲解什么是深度学习？

地址：http://www.17bianji.com/lsqh/35022.html

 1/2    1