持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第1天，点击查看活动详情
前言：本文创作的主要目的，是对深度学习算法的基础知识做一个简介，方便初学者或小白快速入门，文章系列会不断更新，建议收藏~
1、深度学习、机器学习、人工智能关系
简单来说：深度学习是机器学习的一个分支(最重要的分支)。机器学习是人工智能的一个分支。
人工智能 (Artificial Intelligence，简称 AI) 是指可模仿人类智能来执行任务，并基于收集的信息对自身进行迭代式改进的系统和机器。
人工智能的根本在于智能，而机器学习（Machine Learning，简称 ML）则是部署支持人工智能的计算方法。 简单的将，人工智能是科学，机器学习是让机器变得更加智能的算法，机器学习在某种程度上成就了人工智能。
最近随着人工智能的大火，你会经常听到的是深度学习（Deep Learning ，简称 DL）这个概念。那么深度学习与机器学习有什么关系呢。
具体来讲，深度学习是机器学习现在比较火的一个方向，其本身是神经网络算法的衍生，在图像、文本、语音的应用上取得了非常好的效果。所以，深度学习也是人工智能的一种重要的实现方式。
目前表现最好的一些应用大部分都是深度学习，正是因为深度学习的突出表现，引发了人工智能的第三次浪潮。
2、传统机器学习
传统机器学习指的是深度学习之外的机器学习方法。
机器学习是从大量的经验数据中学习一种规律（或者称之为模型），从而实现人类所具备的一些能力。
比如我可以根据一个人的身高去预测他的体重，一定是因为我见过很多的人，并且了解了他们的身高和体重分布，才会有一个比较合理的判断。
那么我的这种判断能力可以让计算机学会吗？答案是肯定的。机器学习是人工智能的一种实现方式。
有关更多机器学习的基本知识和模型方法请看七月在线官网：机器学习图文小课课程。
3、深度学习、神经网络
深度学习的概念源于传统人工神经网络（Artificial Neural Network，即ANN ）的研究，但是并不完全等于传统人工神经网络。
不过在叫法上，很多深度学习算法中都会包含”神经网络”这个词，比如：卷积神经网络、循环神经网络。
所以，深度学习可以说是在传统神经网络基础上的升级，约等于神经网络。
我们以识别图片中的汉字为例，先来了解下神经网络的基本作用。
假设深度学习要处理的信息是“水流”，而处理数据的深度学习网络是一个由管道和阀门组成的巨大水管网络。网络的入口是若干管道开口，网络的出口也是若干管道开口。这个水管网络有许多层，每一层由许多个可以控制水流流向与流量的调节阀。根据不同任务的需要，水管网络的层数、每层的调节阀数量可以有不同的变化组合。对复杂任务来说，调节阀的总数可以成千上万甚至更多。水管网络中，每一层的每个调节阀都通过水管与下一层的所有调节阀连接起来，组成一个从前到后，逐层完全连通的水流系统。
那么，计算机该如何使用这个庞大的水管网络来学习识字呢？
比如，当计算机看到一张写有“田”字的图片，就简单将组成这张图片的所有数字（在计算机里，图片的每个颜色点都是用“0”和“1”组成的数字来表示的）全都变成信息的水流，从入口灌进水管网络。
我们预先在水管网络的每个出口都插一块字牌，对应于每一个我们想让计算机认识的汉字。
比如，如果输入的是“田”这个汉字，等水流流过整个水管网络，计算机就会跑到管道出口位置去看一看，是不是标记由“田”字的管道出口流出来的水流最多。如果是这样，就说明这个管道网络符合要求。如果不是这样，就调节水管网络里的每一个流量调节阀，让“田”字出口“流出”的水最多。
这下，计算机要忙一阵了，要调节那么多阀门！好在计算机的速度快，暴力的计算加上算法的优化，总是可以很快给出一个解决方案，调好所有阀门，让出口处的流量符合要求。
