2．深度学习到底为什么这么厉害

深度学习是一个对特征不断抽象的过程，我们给他一个图片，深度神经网络首先提取出点和边，然后组合成人局部的器官，比如说一个眼睛和鼻子，局部的器官之后可以把拼接成一个个人脸，人脸外貌上有差异，我们用模版再匹配出最相似的就可以看看有没有人脸。

深度学习非常像人的学习过程，你必须一层一层的抽象才能理解更深的概念，之所以叫深度是有多层的学习网络，每一层是把特征抽象更高阶的概念，理解非常复杂的事物。

这是深度学习网络可视化的结果，我们给一个识别数字的神经网络一张数字‘8’的图，可以清楚的看到每一层神经网络对原图进行了哪些特征变换。

这是一个深度学习常见的卷积结构，细节不讲了，大家可以感受一下，其中主要了Convolution Layer, Max-Pooling Layer，以及ReLu Activation。

Auto-Encoder（Layer-wise Training）, RBM, DBN

• PReLu, RReLu

• Dropout

• RNN, LSTM

• Max-Out

• Highway（Residual Net）

• Batch normalization

• Weight normalization

随着研究的不断深入，深度学习还有着各种各样的变种和组件，上面是一些最新的关于深度学习的研究成果。