1. 深度学习的概念

        深度学习（英语：deep learning）是机器学习的分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。

2. 机器学习和深度学习的区别

2.1 区别1 ：特征提取

【理解：机器学习：如盲人摸象，拿到所有人的摸取特征，放到一块有可能组成的是一头大象，也有可能组成的不是大象而是一头牛；深度学习：把所有的特征值放到一块进行训练，同时也给出目标值是大象】

从特征提取的角度出发：

1. 机器学习需要有人工的特征提取的过程

2. 深度学习没有复杂的人工特征提取的过程，特征提取的过程可以通过深度神经网络自动完成

2.2 区别2：数据量

从数据量的角度出发：

1. 深度学习需要大量的训练数据集，会有更高的效果

2. 深度学习训练深度神经网络需要大量的算力，因为其中有更多的参数

【机器学习：数据少，效果不是特别好；深度学习：数据多，效果更好】

3. 深度学习的应用场景

1. 图像识别

   1. 物体识别

   2. 场景识别

   3. 人脸检测跟踪

   4. 人脸身份认证

2. 自然语言处理技术

   1. 机器翻译

   2. 文本识别

   3. 聊天对话

3. 语音技术

   1. 语音识别

   4. 常见的深度学习框架

   目前企业中常见的深度学习框架有很多，TensorFlow, Caffe2, Keras, Theano, PyTorch, Chainer, DyNet, MXNet, and CNTK等等

   其中tensorflow和Kears是google出品的，使用者很多，但是其语法晦涩而且和python的语法不尽相同，对于入门玩家而言上手难度较高。

   使用facebook出的PyTorch，PyTorch的使用和python的语法相同，整个操作类似Numpy的操作，并且 PyTorch使用的是动态计算，会让代码的调试变的更加简单