深度学习第二章 导数的应用

深度学习与卷积神经网络
        说起深度学习，首先想到的是卷积神经网络、神经元等概念，开始时候由于没有全面的知识体系，借助网上资源，又容易一头扎进细节里，对于它没有一个全面的认知。
        深度学习是实现人工智能的一个领域或学科， 当前，卷积神经网络是深度学习落脚点，抑或是实现方法，通过卷积神经网络可以构建一个数学模型，利用该模型实现对图片、语言的的自动化解析。

 
        卷积神经网络构建的数学模型，其构建的模型，需要在横向与纵向进行延伸。
        在横向上：把输入的数据做为方程的输入值，结合需要优化的模型参数，进行数学运算。由于输入数据有多个，于是有多个方程需要计算。为了方便理解与推广，一些资料便把这一个个方程抽像成了神经元，如上图 LayerL1、LayerL2中的各个圆形 。
        在纵向上：怎么丰富一个数学方程的功能或增大方程的表现力，直观的方法，增加方程参数，方程+方程，一个方程的输出做为一个方程输入。在卷积神经网络中也是这样，通过在纵向上引入新方程，便可增加模型表现力。

深度学习第二章 导数的应用最先出现在Python成神之路。