深度学习

一句话理解#

深度学习 = 很多层的神经网络 + 海量数据 + 强大算力。它让机器自己学会"看懂图片""听懂语音""理解文字"。

与传统机器学习的区别#

传统机器学习需要人工设计特征（Feature Engineering）：比如识别猫，你得告诉机器"先检测边缘、再检测纹理、再检测轮廓"。

深度学习跳过了这一步——直接把原始像素丢进多层网络，让它自己学出有用的特征。层数越多，提取的特征越抽象：

"深度"的含义#

"深度"指的是网络的层数。早期神经网络通常只有 1-2 个隐藏层（浅层网络），而现代深度学习模型可以有数十到数百层（如 ResNet-152 有 152 层），GPT 系列则有近百层 Transformer 块。

深度学习的主要架构#

深度学习与 AI 的关系#

$\text{人工智能} \supset \text{机器学习} \supset \text{深度学习}$人工智能⊃机器学习⊃深度学习

深度学习是机器学习的子集，而机器学习是人工智能的子集。当前 AI 的绝大多数突破（大语言模型、图像生成、语音识别）都建立在深度学习之上。