扫码加入数据分析学习群

很多人不理解什么是深度学习？ 它与神经网络有何不同？

深度学习是多层神经网络的新名称。 可以说，深度学习是神经网络的增强和强大形式。 两者之间的区别是微妙的。

不同之处在于，与神经网络（最多2层构建）相比，深度学习模型建立在几个隐藏层（例如，超过2个）上。

由于数据有多种形式（表格，图像，声音，网络等），线性方法很难学习和检测数据中的非线性。 实际上，很多次甚至非线性算法（例如基于树的（GBM，决策树））都无法从数据中学习。 在这种情况下，多层神经网络在特征之间产生非线性相互作用（即深入到特征中），可以提供更好的解决方案。 你可能会问这个问题，'神经网络出现在20世纪50年代。 但是，几年前就出现了深度学习。 过去几年突然发生了什么事？ 在过去的几年中，计算设备（特别是GPU）取得了巨大的进步。 深度学习模型的高性能伴随着成本即计算。 它们需要大量内存进行计算。 世界正在从CPU到GPU（图形处理单元）不断发展。 为什么？ 因为，可以使用最大值启用CPU。 22个内核，但GPU可以包含数千个内核，从而使其成为比CPU强大的功能。