首先是深度学习的概念，深度学习是机器学习畛域中一个新的钻研方向。
深度学习是学习样本数据的外在法则和示意档次，这些学习过程中取得的信息对诸如文字，图像和声音等数据的解释有很大的帮忙。而 机器学习 就是专门钻研计算机怎么模仿或实现人类的学习行为，以获取新的常识或技能，并从新组织已有的知识结构使之一直改善本人的性能。艰深点来讲，机器学习就是让机器通过大量的数据去寻找法则，而后利用这些法则去对新的数据进行解决。它是人工智能的外围，也是使计算机具备智能的根本途径。
说到深度学习，也不得不说到 神经网络，下图就是一个神经网络的大抵构造。
从 X1,X2,X3 输出到输入的过程，这里又定义了一个档次的概念，譬如上图就包含四层，蕴含最右边的输出层，和最左边的输入层，如上图的 L1 和 L4 别离是输出层和输入层。而选择题解题的过程是不写进去的，咱们叫做”暗藏层“，这里 L2 和 L3 就是暗藏层，问题越是简单，暗藏层所须要做的工作就越多，也就可能须要更多的”暗藏层“来计算最终的后果。然而因为到目前，还无奈晓得人脑工作的复杂性，所以这两个神经网络也只能是形似而已。
人脑神经网络和计算机神经网络的不同在于，人脑能够解决多种问题，这个取决于集体的常识储备。而计算机神经网络只能用于解决专门的问题，所以哪怕阿尔法狗在围棋界孤单求败战败了所有男人，但它也不能也不能辨认出站在它背后的两个女生谁更丑陋。除此之外，计算机的神经网络须要大量的数据能力训练出一个根本的技能，并且这个技能的精确水平还有待商讨，而人类的思维具备高度的形象。所以计算机看成千上万只猫的图片能力辨认出什么是猫，然而如果换做一个人类，哪怕是一个小孩看两三次猫，就曾经齐全能够分辨出什么是猫。
因而，深度学习其实就是利用相似神经网络的大量暗藏层进行剖析与计算，最初失去后果的一种办法。