深度学习（一）：什么是深度学习

前言

对于深度学习来说，不得不承认其门槛比较高。首先要有python基础，编程深度学习需要用到python，但不建议把python从头到尾学一遍，把基础语法过一遍即可，剩下用到什么就去网上查阅资料，这也是个学习积累的过程；同时也要有数学基础，要知道梯度、线性、非线性等基础概念，但不用实际做数学题去计算，只要理解常用概念即可，在深度学习中，这些繁琐的计算过程是计算机帮我们完成的，我们只需要调用具体的函数就可以实现；最后也要有个性能较好的显卡，虽然在学习过程中用CPU也可以完成训练，但只是一些简单案例，一旦训练真实项目，CPU是吃不消的，所以一个性能高的GPU会帮你节省许多时间，也能帮你完成复杂一些的实际训练项目。

说到这里是不是感觉想要放弃了。别急，其实深度学习也没这么难，入门时会非常痛苦，感觉像看天书一样，根本没办法理解，但入门后就会发现，深度学习也是有固定套路的，只要把这些套路学会，剩下的就是自己不断积累了，我这里是帮大家度过最困难的入门阶段，用最通俗易懂的语言，解释最难理解的概念。话不多说，接下来咱们直奔主题，欢迎进入深度学习的世界~

什么是深度学习

这里我不会用理论概念去解释，对于入门阶段来说，看这些理论概念无非就是让你看不懂，从而扩大你放弃的想法，开个玩笑，理论概念固然重要，但在实践中去学习理论概念，印象会更加深刻。

深度学习本质上就是根据大量数据，总结出可用的规律。比如我这里有10张男人照片，10张女人照片，我们把这些照片进行数据处理后，传到深度学习框架中，让框架熟悉这些照片的规律。之后我们给框架传一张人类照片，框架就能帮我们分辨出是男是女。这个过程就是深度学习。当然10张照片肯定是远远不够的，并且利用深度学习能做的事情非常多，不局限于图像分类，这里咱们就是举例说明。

深度学习分类

深度学习的分类有很多。这里我主要介绍其中比较大的两个分类，计算机视觉和自然语言处理。

计算机视觉方面，主要用到了NN、CNN等（现在就这么一看，后面会详细介绍），咱们会介绍图像分类，超分辨率重构等。

自然语言处理方面，主要用到了RNN、LSTM等（现在就这么一看，后面会详细介绍），咱们会介绍语义分析等。

深度学习框架

这里先给大家看下目前主流的深度学习框架。

这里看到非常非常多的框架，我们都要去学习吗？答案肯定是不，框架只是我们做事情的工具，而这些工具大同小异，所以我们只需要掌握最主流的框架即可，目前这些框架中，最为主流的框架是TensorFlow和Pytorch。那这两个框架如何选择呢，下面我们来看一个图：

PyTorch可以说是现阶段主流的深度学习框架了，武林盟主之争大概是这个历史。15年底之前Caffe是老大哥，随着Tensorflow的诞生，霸占江湖数载，19年起无论从学术界还是工程界PyTorch已经霸占了半壁江山！所以我们主要介绍PyTorch这个框架。

综述

看到这里是不是对深度学习有了大致的了解。

想要学习深度学习，首先要把需要的开发环境安装好，下面一节将会详细介绍。