机器学习是什么？？
使用算法从原始数据中提取信息，并以某种类型的模型表示出来，然后使用这个模型来推断我们尚未建模的其他数据。
深度学习可以被定义在以下四个基本网络框架中拥有大量参数和层的神经网络：
无监督预训练网络upn
卷积神经网络cnn
循环神经网络rnn
递归神经网络rnn
卷积 基本上就是用共享权重在空间中进行扩展的标准神经网络。为了内部卷积来识别图片，内部卷积可以看到待识别物体的边。
循环神经网络 在时间上进行扩展，因为边进入下一个时间步，而不是在同一时间步进入下一个层。识别序列，例如语音或者文本。里面的循环意味着网络中存在短暂的记忆。
递归 更类似于分层网络，其中输入序列没有真正的时间面，而是输入必须以树状方式分层处理。
十种方法：
反向传播
随机梯度下降
学习率衰减
dropout
max pooling
批标准化
lstm
skip-gram
连续词袋
迁移学习