一、 深度学习的概念
深度学习（英语：deep learning）是机器学习的分支，是一种以人工神经网络为架构，对数据进行特征学习的算法。
二、 机器学习和深度学习的区别
区别1：特征提取
（1）机器学习需要有人工的特征提取的过程。
（2）深度学习没有复杂的人工特征提取的过程，特征提取的过程可以通过深度神经网络自动完成。
区别2：数据量
（1） 深度学习需要大量的训练数据集，会有更高的效果。
（2）深度学习训练深度神经网络需要大量的算力，因为其中有更多的参数。
三、深度学习的应用场景
1、 图像识别： 物体识别、场景识别、人脸检测跟踪、人脸身份认证
2、自然语言处理技术：机器翻译、文本识别、聊天对话
3、语音技术：语音识别
四、常见的深度学习框架
目前企业中常见的深度学习框架有很多，TensorFlow, Caffe2, Keras, Theano, PyTorch, Chainer, DyNet, MXNet, and CNTK等等。其中tensorflow和Kears是google出品的，使用者很多，但是其语法晦涩而且和python的语法不尽相同，对于入门玩家而言上手难度较高。所以在之后的课程中我们会使用facebook出的PyTorch，PyTorch的使用和python的语法相同，整个操作类似Numpy的操作，并且 PyTorch使用的是动态计算，会让代码的调试变的更加简单。
