引语：本文仅供记录，所有内容摘抄至网络或者自我理解，如有出错欢迎各位大佬在评论中指出。

1.什么是深度学习？

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

关于深度学习概念：

从一个输入中产生一个输出所涉及的计算可以通过一个流向图(flow graph)来表示：流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算以及一个计算含多个隐层的深度学习模型的值，计算的结果被应用到这个节点的子节点的值。考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有父节点，输出节点没有子节点。
这种流向图的一个特别属性是深度(depth)：从一个输入到一个输出的最长路径的长度。

传统的前馈神经网络能够被看做拥有等于层数的深度(比如对于输出层为隐层数加1)。SVMs有深度2(一个对应于核输出或者特征空间，另一个对应于所产生输出的线性混合)。
人工智能研究的方向之一，是以所谓 “专家系统” 为代表的，用大量 “如果-就” (If – Then) 规则定义的，自上而下的思路。人工神经网络 ( Artifical Neural Network)，标志着另外一种自下而上的思路。神经网络没有一个严格的正式定义。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式。

（此处摘自百度百科https://baike.baidu.com/item/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0/3729729）

后记

看到此处的我已经一脸懵逼了，所以深度学习到底是什么？

通过一些资料后，作者自己的感觉深度学习可能就是一种数学建模。

2.学习深度学习要知道什么？

查阅过一些资料，可能需要一些数学基础？

通过《白话AI：看懂深度学习真的那么难吗？初中数学，就用10分钟》一文中，可以看到他说的涉及到数学知识有：

1>.导数

2>.偏导数

3>.学习系数

而通过《白话深度学习与TensorFlow》一书中可以看到，深度学习（机器学习）主要就是回归和分类。

另外学习深度学习我们要了解一些基本知识：SGD（随机梯度下降），mini batch 和 epoch（用于训练集的选择）。

3.结语

本篇文章至此结束，本意是记录我遇到的所有知识，但是仔细查看后内容太多，于是决定分开更新。

更新文章内容的顺序应该为：基础知识->使用Keras实现简单深度学习->CNN（Keras）->TensorFlow。