1 深度学习为甚么如此火热发展如此迅速

【深度学习的助力】

　　大数据、更强的计算能力：

　　　　在深度学习之前，占据主导地位的是SVM一类的传统机器学习算法，我们在同一图表中展示一下传统机器学习、深度学习算法与数据数量之间的关系。

　　　　

　　　　当数据量较少时，具有丰富经验的工程师手工设计特征进行机器学习，可能达到比深度学习更好的学习效果。

　　　　当数据量增大时，手工设计的特征模型已经不能充分反映物理世界复杂的现象，当数据量达到一定数量级，手工设计的模型达到其拟合能力的瓶颈，再增加数据量已经不能增加模型的拟合能力。而深度神经网络，由于其复杂的结构，拟合能力远超传统的机器学习模型。复杂的模型——众多的参数也需要大量的数据集喂出合适的参数集合，传统机器学习数量级的数据量已经无法满足深度学习的要求了。同时复杂的模型也需要进行大量的运算。

　　　　深度学习寒冬到来的原因也正是因为：1、模型过于复杂，计算量大，无法完成训练任务；2、没有足够的数据无法训练处足够好的模型。

　　    

　　　　网络与数字化社会，为大量数据的搜集提供了基础。GPU与专用处理器的发展为深度学习模型训练提供了液氮加速器。一些深度学历领域的大牛在寒冬中坚持，期待着成功的一天。

　　　　当深度学习模型打破传统机器学习的神话，越来越多的人开始关注深度学习。

　　　　更多优秀的算法（减少参数，提高精度）的不断涌现、开放的社区、优秀的商业应用，都将深度学习向前不断推进。

　　　　我们现在，正身处浪潮之巅！