未来几年内，深度学习必然是最吃香的岗位吗？可以在哪里学习深度学习！

你好，听你说的这个深度学习，感觉有点像是一个噱头，可能是某些别有用心的机构提出的概念。其真正的目的就是开培训班，赚学生的钱或者是集资跑路，不管是哪种的对于上当受骗的人都是很残忍的结局。所以如果你洽洽被洗脑了那还是清醒一下吧，跟自己的家人或朋友好好的聊一聊，不要一个人做投资的决定

01 深度学习一些有趣的应用1. Face 2 Face

Face2Face是斯坦福大学等学生做的一款应用软件，这套系统能够利用人脸捕捉技术，让你说话的声音、表情、动作，投射到视频中的另一个人脸色。

如上图所示，左上角是特兰普演讲的视频，左下角是模仿者在说话，经过系统处理后，特兰普的表情和声音就变成了模仿者的表情和声音。（大家可以搜下网上的视频，挺有意思的）

2. 灵魂画家

这个大家可能也见过，就是在原来的上，加上了另外一个的风格特点。

如上图所示，一张蒙娜丽莎的画，加上了梵高画的特征，就变成了如右边所示的。

3. AlphaGo

这个大家就更熟悉了，2016年3月，AlphaGo与围棋世界冠军棋手李世石进行围棋人机大战，以4比1的总比分获胜。

通过上面的例子大家可以看到，深度学习的应用非常的广泛，小到很有趣的表情投影，大到围棋人机大战。也就是说深度学习的空间很广，想做一个深度学习的产品也不是我们想象中的那么深奥，但是要想做得特别强大还是会有很多困难的。

那深度学习究竟是什么，接下来就和大家详细讨论下。

02 什么才是深度学习？

在讲深度学习之前，我们先要知道什么是神经网络，而在讲神经网络之前，我们还得先知道什么是神经元。

1. 神经元

假设设置函数：Z（x）=W1X1 + W2X2 + W3X3 +…+WnXn + b，（是不是很眼熟，跟我们之前说到的线性方程很相识，不知道这个由来的话，再次建议先看下前面提到的文章）。

则神经元的表示如下：

每一个神经元就是一个逻辑回归算法。什么是逻辑回归算法，可以参考这篇文章《机器学习之逻辑回归》，在此就不展开讲了。

2. 神经网络

多个神经元相互连接就组成了神经网络，每个神经元都通过接收前一层网络传递来的信息，经过处理后，再传递给下一层。

按结构来分，神经网络由：输入层、隐藏层和输出层组成。

输入层：即原始的特征输入。

隐藏层：除输入层和输出层外，其他的就是隐藏层。

输出层：后面不再接其他神经元。

3. 深度学习和神经网络的关系

定义：有多层网络结构的神经网络，我们就说是深度学习。

那有多少层才算是深度学习呢？

现在也没有一个官方的定义，有的人说3层，有的人说5层才算深度网络，多的高达上百层，反正大家都说自己是在做深度学习，这样看起来会比较高大尚点。

模组化：深度学习有一个非常重要的思想就是模组化。

那什么是模组化思想呢？

就像我们玩搭积木，一堆积木可以搭成各种各样形状的东西，而深度学习的每一层都是一个组件，可以供其他层灵活调用。

下面用一个例子说明：

假设我们要做一个图像识别，区分出4类人群：长头发的女生、短头发的女生、长头发的男生、短头发的男生。

百科狗 baikegou.com