这个专栏内容是根据在线课程的PPT整理制作的，所以，呈现了非常多的PPT页面。
在解决问题时，我们可能会采用不同的解决方案。或者说，在利用计算机程序解决问题上，我们在不断地进步，让程序变得更加智能。
大体上，我们解决问题经过了下面三个阶段：
阶段1：传统方法阶段 阶段2：机器学习阶段 阶段3：深度学习阶段
具体如下图所示。
深度学习的进步
我们经常会看到很多文章在帮助我们区分机器学习、人工智能、深度学习的区别，但是看完了我们还是会觉得他们好像是一回事。
那么机器学习、深度学习之间有没有区别呢？
为了理解这个问题，我们首先通过一个例题来看看。
假如，我家里特别冷，我想取暖。
那我可以怎么办呢？我可能分别采用传统方法、机器学习、深度学习的方法实现。
具体来说，传统方法，就是我要准备一个火炉，然后我要自己完成生火、添柴、通风等一系列操作，让炉子尽可能地烧旺起来，从而让房间尽可能地暖和。
传统方法
我们可以看到，使用传统方法时，我要尽可能地控制让房间暖和的各种条件，这就需要尽可能地满足让房间暖和的条件。不知道大家在小时候有没有生过炉子，我小时要给家里生炉火，还要给教室生炉火。要想让房间暖和，务必让炉子烧旺起来，那就需要不断地控制炉子里面的煤、保持炉子的通风等等。总之，房子暖和起来，是需要我们不断地鼓捣炉子，让炉火旺起来。
生炉子，整个过程是枯燥无味（朴实无华）的。这就相当于我们使用传统方法来解决问题的过程，在智能算法出现前，我们解决很多问题都是这样繁琐、复杂的，关键是还不一定能够解决的很好。
我们知道，随着社会进步，家里都买了空调。
使用空调时，要想让房子暖合起来，就比较容易了，直接设定好空调的温度就行了。此时，极大地方便了。
传统的空调，就相当于机器学习解决问题的方式，我们只需要对特定的条件（参数）进行控制（学习），就能够把问题解决了。相比传统方式，方便了很多。
不过，此时，我们还是需要面对大量的参数需要调整，比如需要调整温度、风向、风力、湿度，一顿操作猛如虎，终于房间舒适了。
机器学习
科技发展，我们现在都用上了智能空调。这就简单了，我们大喊一声“舒适”，屋子里面立马就舒适了。我们根本不需要关心“风向、风力、湿度、温度”，我们就告诉空调想要的结果就好了。
智能空调，对应的就是深度学习。其实，简单理解深度学习，就是给定目标、达成目标这样一个过程。
深度学习
所以，深度学习，又被称为“端到端”的学习。整个过程，输入就是问题、输出就是答案，深度学习直接把问题转换为了答案。
端到端的学习
与之对应，机器学习，还需要不断地调整调整各种参数，达成目标。当然，为什么深度学习能够实现端到端的学习，这个问题我们会在今后的学习中进行详细的解释。
下面，我们简单看看深度学习解决问题的思路。
在深度学习中，其实是采用不断试错的方式来解决问题的。
针对研究问题，系统会尝试提供一个解决方案，观察是否能够得到正确结果。如果没有得到准确结果，系统会尝试提供另外一个新的解决方案，继续观察是否得到正确结果。
当然，系统通过严格的数学计算来保证，每次提出的解决方案是不断地朝着正确的方向运动，从而最终找到正确的解决方案。
深度学习解决问题的思路
在学习过程中，我们最容易混淆的就是机器学习和深度学习。
机器学习VS深度学习
机器学习与深度学习类似，也是不断地寻找解决方案。
但是，机器学习寻找解决方案一般是通过对数据进行分析、进而查找数据规律、发现数据逻辑等方式展开。相比较深度学习，要进行大量的重复性的工作。
机器学习方法
下面，我们对三个方式进行一个简单的总结。
传统方式，就是需要我们（程序员、算法工程师）去根据现有数据发现规律，构造系统，这个过程是非常繁杂的，智能性非常低。
机器学习，采用智能的方式、或者说是一些通用的方法，来创造性地解决问题。
比如，简单来说，机器学习，就是将对象转换为数据，通过对数据分析，采用不同的算法来处理对象。
学习方式
在传统方法中，可以将对象映射到二维坐标系内，然后根据他们的距离完成对象的分类。将距离较近的划分为同一类。
机器学习示例
例如，有一群人，已知有医生、运动员。那我们就能够找到“身高”作为特征值，然后按照身高、将这群人划分为运动员和医生两个不同的类。当然，个子高的运动员、个子一般的是医生。
当然，我就是举个例子，实际处理起来要复杂的多。现场教学时，也有很多同学来告诉我，这样的划分其实不科学。是的，这不科学，这里仅仅是为了帮助大家理解传统方式处理问题的基本思路而已。
身高分人
当然，小马要过河，这条河他能不能过去呢？
我们只要衡量一下小马的身高和河水的深度就可以啦！
小马过河
可以看到，其实很多时候，我们解决问题，是要对问题进行量化，量化后，问题就迎刃而解了。
简单说，就是把问题转换为数字，这样就方便比较、计算了，也就能够更好地得到结果了。
量化
我们再来看看机器学习的方式。
机器学习，同样是需要先提取特征，然后采用机器学习的方式对特征进行处理。
机器学习
例如，我们做一个人脸识别系统，就可以腺体去除若干个有用的特征，包括：
- 灰度直方图
- 色彩特征
- 边缘特征
- 轮廓特征
- 形态学特征
- 梯度特征
特征提取
与传统方法不同的地方在于，机器学习在特征的处理上，有一些固定的套路。例如，可能采用的方法有：
- K近邻
- 支持向量机
- 逻辑回归
- 均值聚类
- 决策树
- 等等
机器学习
好的，在回归一下这张图，机器学习与传统方式的区别。
传统方式VS机器学习
至于深度学习，这是不需要提取特征的，直接采用端到端的方式。
所有的问题，都是通过深度学习直接来解决的。
深度学习
深度学习能够直接根据问题得出答案，或者说，深度学习是一个黑盒子，里面到底是什么我们不需要关心。
黑盒子是什么？
比如我们去香肠厂参观，如果我们去详细了解绞肉、灌装，那我们就是去看白盒。
如果我们去香肠厂参观，我们仅仅看到一头牛进了车间，还在吃、还在拉，而另一端出来的就是包装好的香肠，这个车间，对我们来说，就是黑盒，我们不知道里面有什么，发生了什么。
深度学习，能够解决各种问题，比如识别问题，能够识别人、识别动物、识别数字、识别车辆、识别花草，但是他到底是如何工作的？设计深度学习系统的人，也不知道里面到底发生了什么。设计系统的人，仅仅是通过不断地尝试（当然有严格的数学保证），尝试到了最优系统，能够解决问题。
好了，第一节终于结束啦，再上一张三个模式的图像。
系统模式
本专栏根据我设计的《讲给入门者的深度学习》整理而成。为了偷懒，我尽量仅用了很少的文字说明，而使用了大量的PPT。
希望我的文章能够对大家有所帮助，如果大家喜欢，这个系列会更新完毕。
【转自：建湖网页开发 http://www.1234xp.com/jianhu.html 复制请保留原URL】