深度学习
深度学习比机器学习更难，也就是神经网络组成。
可以把深度学习比作一个函数F（x） = y，有x与y一一对应
深度学习的输入输出
输入：
1.向量（一个个数字构成，数字之间没有关系）
2.矩阵/张量（常见于图像）
3.序列（有前后关系的，常见于视频【由一帧帧图片构成】）
输出：
1.回归任务（填空题）
2.分类任务（选择题），用数字表示 ： 0男，1女
3.结构化（生成文档）
ps：1.一般结构化都是由回归/分类组成
2.多个类型的数据------多模态（图片，文字，声音）
题目：
- 输入：向量（一个个数字，没有前后关系）
输出：回归（填空） - 输入：序列（视频，前后关系）
输出：结构化（多个文字进行分类） - 输入：序列（填充代码，前后）
输出：结构化 - 输入：矩阵
输出：分类 - 输入：序列（内容-> 视频）
输出：分类 - 输入：序列（前后）
输出：分类 - 输入：序列
输出：分类 - 输入：矩阵（图片）
输出：回归+分类（先圈出【需要给出xy高度宽度】、分类识别） - 矩阵 结构化（多个）
- 序列 结构化
Loss函数
Loss（w , b ) = 偏差值
w:weight 权值 b：bias偏差
当minL时，此时结果最好
不断调整学习率η，确保W - η偏导 = argminL
学习率不能太大：容易跳过min
学习率不能太小：找min太慢了
确定合适的w，b的值
