深度学习概述 深度学习（Deep Learning， DL） 是机器学习的分支 是一种以人工神经网络为架构，对资料进行表征的学习的算法 表征学习（特征学习） ：将原始数据转换成为能够被机器学习有效开发的一种技术的集合 优缺点 优点 学习能力强 覆盖范围广、适应性好 数据驱动、上限高 可移植性好 缺点 计算量大、便携性差 硬件需求高 模型设计复杂 容易存在偏见 传统机器学习与深度学习对比 深度学习框架 定义 一种界面、库或工具； 能够让开发人员利用预先构建和优化好的组件集合定义模型 更容易、更快速地构建深度学习模型 一个良好的深度学习框架应具备以下5个关键特征 针对性能进行优化 易于理解与编码 强大的社区生态 并行化进程加快运算 自动计算渐变 常用深度学习框架包括TensorFlow、Torchid、Caffe
