深度学习基础
深度学习是机器学习的一个分支领域，是Python得到广泛推广的重要推手，并且也是从人思考如何解决问题向机器自行探索并解决问题的重要方法。经典的程序设计是人们输入规则（程序）和需要按照这些规则处理的数据，系统则会根据规则给出答案，而利用机器学习，人们输入的则是需要处理的数据和从这些数据中预期得到的答案，系统给出的是规则，这些规则可以用来处理新的数据。
机器学习系统是学习出来的，而不是通过编程书写出来的。在进行机器学习时，需要以下三个元素：
- 输入的数据点。
- 预期的输出示例。
- 衡量算法好坏的方法。
所以深度学习乃至机器学习的核心问题在于如何有意义的变换数据。深度学习强调从连接的层中进行学习，这些层对应于越来越有意义的信息表示。在深度学习中，这些分层基本上都是通过神经网络模型来学习得到的，神经网络通过逐层堆叠来形成分析结构。深度学习中的层就像是过滤器，信息通过每级过滤器都会进行蒸馏，连续穿过过滤器，信息的纯度会越来越高。虽然可能深度学习的机制简单，但是如果给予的训练规模足够大，就会产生神奇的效果。
本章将对深度学习的一些基础知识进行阐述，在后面几章涉及深度学习库的介绍用都会用到。