什麼是深度學習，怎麼學習深度學習

深度學習的概念源於人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分布式特徵表示。
深度學習的概念由hinton等人於2006年提出。基於深信度網(dbn)提出非監督貪心逐層訓練算法，為解決深層結構相關的優化難題帶來希望，隨後提出多層自動編碼器深層結構。此外lecun等人提出的卷積神經網絡是第一個真正多層結構學習算法，它利用空間相對關係減少參數數目以提高訓練性能。
深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。
同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分.不同的學習框架下建立的學習模型很是不同.例如，卷積神經網絡(convolutional neural networks，簡稱cnns)就是一種深度的監督學習下的機器學習模型，而深度置信網(deep belief nets，簡稱dbns)就是一種無監督學習下的機器學習模型。
把學習結構看作一個網絡，則深度學習的核心思路如下:
①無監督學習用於每一層網絡的pre-train;
②每次用無監督學習只訓練一層，將其訓練結果作為其高一層的輸入;
③用監督學習去調整所有層。
深度學習在大數據集上的表現比其他機器學習(ml)方法都要好(稍後將討論例外情況)。這些又如何轉化為現實生活中的情形呢?深度學習更適合無標記數據，因而它並不局限於以實體識別為主的自然語言處理(nlp)領域。