資料內容：
深度學習是啥
在人工智能領域，有一個方法叫機器學習。在機器學習這個方法里，有一類算法叫神經網絡。神經網絡如下圖所示：
上圖中每個圓圈都是一個神經元，每條線表示神經元之間的連接。我們可以看到，上面的神經元被分成了多層，層與層之間的神經元有連接，而
層內之間的神經元沒有連接。最左邊的層叫做輸入層，這層負責接收輸入數(shù)據(jù)；最右邊的層叫輸出層，我們可以從這層獲取神經網絡輸出數(shù)據(jù)。
輸入層和輸出層之間的層叫做隱藏層。
隱藏層比較多（大于2）的神經網絡叫做深度神經網絡。而深度學習，就是使用深層架構（比如，深度神經網絡）的機器學習方法。
那么深層網絡和淺層網絡相比有什么優(yōu)勢呢？簡單來說深層網絡能夠表達力更強。事實上，一個僅有一個隱藏層的神經網絡就能擬合任何一個函
數(shù)，但是它需要很多很多的神經元。而深層網絡用少得多的神經元就能擬合同樣的函數(shù)。也就是為了擬合一個函數(shù)，要么使用一個淺而寬的網
絡，要么使用一個深而窄的網絡。而后者往往更節(jié)約資源。
深層網絡也有劣勢，就是它不太容易訓練。簡單的說，你需要大量的數(shù)據(jù)，很多的技巧才能訓練好一個深層網絡。這是個手藝活。
感知器
看到這里，如果你還是一頭霧水，那也是很正常的。為了理解神經網絡，我們應該先理解神經網絡的組成單元——神經元。神經元也叫做感知
器。感知器算法在上個世紀50-70年代很流行，也成功解決了很多問題。并且，感知器算法也是非常簡單的。
