神经网络是调制、训练出来的，时不时还是很容易出错的 。它最需要的，就是训练 。需要成百上千甚至几百万张图像来训练，直到神经元的输入的权值都被调制得十分精确，无论是否是雾天、晴天还是雨天，每次都能得到正确的结果 。只有这个时候，我们才可以说神经网络成功地自学习到一个停止标志的样子；或者在Facebook的应用里，神经网络学习了如何识别你妈妈的脸；又或者是2012年吴恩达（Andrew Ng）教授在Google实现了神经网络学习到猫的样子等等 。
吴恩达教授的突破在于，把这些神经网络从基础上显著地增大了 。层数非常多，神经元也非常多，然后给系统输入海量的数据，来训练网络 。在他的示例中，数据是一千万YouTube视频中的图像 。吴教授为深度学习（deep learning）加入了“深度”（deep） 。这里的“深度”所指的，正是神经网络中众多的层 。现在，经过深度学习训练的图像识别，在一些场景中甚至可以比人做得更好：从识别猫，到辨别血液中癌症的早期成分，再到识别核磁共振成像中的肿瘤 。
【changdejie的专栏,玻尔兹曼机】Google的AlphaGo先是学会了如何下围棋，然后与它自己下棋训练 。它训练自己神经网络的方法，就是不断地与自己下棋，反复地下，永不停歇 。深度学习，给人工智能以璀璨的未来深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围 。如今，深度学习已经能够实现各种任务，几乎使得所有的机器辅助功能都变为可能 。
推荐阅读
- 家用空调不制冷什么原因,空调不制冷的原因
- 小米放出15款手机的MIUI,红米note4x解锁bl锁
- 锁屏图案密码器下载,手机屏幕的图案解锁软件
- 联想s920，联想S920怎么样?知道的给说一下,谢谢了
- 蛋白质对皮肤的好处
- 眼下的皱纹怎么去掉
- 皮肤补水最有效的方法是什么
- ea38，索尼的ea38怎么样啊
- 发胶发蜡啫喱水的区别
- hx1，索尼HX1的性价比好不好？