原创 零基础入门深度学习要了解什么内容？

如今，人工智能已经是一个频频被大众所提及的网络热词，但是不少人仍旧不知道人工智能并不等于深度学习。通常来说人工智能包括：机器学习、深度学习，它们之间有一定的交集但是我们一定要区分开它们。如果你是零基础想要入门深度学习，不妨一起来了解深度学习的概念、发展历程以及应用场景。

1、深度学习的概念

我们所说的深度学习是指由多层神经网络所架构的模型。零基础的朋友可能理解不了，简单来说，计算机在完成一个任务的时候肯定要有的就是输入和输出，比如机器翻译中我们输入中文，输出英文。同样，在神经网络中，我们把它们叫做输入层和输出层。从输入层到输出层之间还会有很多层用来计算，它们负责如何把输入转化为输出。这些中间层我们称为 “隐含层”。如果一个神经网络含有多个（大于1个）隐含层，我们就管这个网络叫深度神经网络，这个模型学习的过程也就叫做深度学习。因为它在各项任务中表现突出，在越复杂的任务中往往比普通机器学习模型强悍越多，所以日益发展壮大，独成一派。

2、深度学习的发展历程

神经网络诞生于1943年，但那时候因为计算机硬件落后，更多的概念仅仅停留在学术层面。随着计算机处理器的计算速度和存储越来越强大，在1957~1958年，终于把单层神经网络用在了人工智能应用（模式识别）上，实现了神经网络的第一次兴起。

在1986年迎来了两层神经网络，实现了第二次兴起。但是后来又因为CPU算力的不足，人们把精力都放在了普通机器学习模型上，比如KNN，梯度提升树等。

终于到了2012年卷积神经网络的诞生，在ImageNet竞赛中秒杀所有普通机器学习模型，迎来了多层神经网络的时代并开启第三次兴起。十分荣幸的是，我们现在就处在神经网络第三次兴起的兴盛阶段！随处可见的人工智能应用已经彻底的潜入我们的生活。

3、深度学习的应用场景

我们身边的很多人工智能应用都属于深度学习的范畴。例如：在商业中的人脸识别，指纹解锁，虹膜认证，自动驾驶，还有对视频内容的提取。在医学中,比如肿瘤的识别，健康状况的监控，手术机器人等。这些深度学习模型都跟图像有关，我们管涉及图像的深度学习领域叫做计算机视觉。

同样的，在商业中我们还有机器翻译、情感分析、文章摘要提取等；在医学中，我们可以通过患者对病情和病史的叙述，提取出关键信息，辅助医生为病情作判断等等。这些深度学习模型都和语言文字有关，我们管涉及语言的深度学习领域叫做自然语言处理。

了解了上面这些内容，大家基本上算是从零基础真正入门深度学习了。如果大家还想了解并掌握更多深度学习的内容，可以在博学谷在线观看相关的视频直播课程~