感谢此博主的概念参考解释

建议看完官方概念解释再来看此易懂记牢版，附带难懂概念举例子解释说明

思维导图根据目录顺序进行描绘

1.机器学习举例子和深度学习范畴

• 一个人的性格、外貌等组成与其相关的集合在机器学习中叫——训练集
• 幽默风趣、活泼外向这种区分不同性格的属性叫——特征
• 不断了解一个人的过程叫——建模
• 了解完后总结出来的规律叫——模型
通过训练集，不断识别特征，不断建模，最后形成有效的模型，这个过程就叫“机器学习”！

2.深度学习三大类

监督学习：准备了一大堆飞机和小鸟的照片，让机器学会如何识别飞机和小鸟，给这些照片打上标签，机器通过大量学习，就可以学会在新照片中认出飞机和小鸟。
非监督学习：虽然照片分了飞机和小鸟，但是机器并不知道哪个是飞机，哪个是小鸟。对于机器来说，相当于分成了 A、B 两类。
强化学习：一个智能体应该知道在什么状态下应该采取什么行为。

3.深度学习步骤涉及的概念

过拟合：好比你想学习追男生，先找你弟弟问喜欢什么，说喜欢甜美可爱，喜欢吃火锅，喜欢运动等合计一百条规矩。你规规矩矩地按照要求学习，终于符合他的一切要求，训练完成，超级自信准备出去试试一个男生。可是发现学到的似乎没想象中有用。他只要你甜美可爱。后面的九十九条他都不在乎，他甚至讨厌吃火锅，那后面99条只会增加误差。这就过拟合了。
交叉比对：怎么防止过拟合呢？应该用交叉比对。
解释起来就是，你在你弟弟那儿学到的东西，在你表哥那儿测试一下对不对。在你表哥那儿学到的，在你堂哥那测试一下。来来回回用不同的测试对象和训练对象做交叉比对。这样学到规律就不会过拟合。
正则化：这里也形象地说一下。还是在学习追男生。但是我也有女人的尊严！ 有底线！不能汉子说啥就是啥！今天我的底线是，不能无限量增加要学的规矩的数量！男人不能惯着！ 所以可以引入惩罚特征机制，对规矩的数量进行一个限制，通俗说就是，男生你让我学三条规矩我就忍了，让我学一百条规矩老子就不干了。
准确率：你认为的正样本，有多少猜对了。
召回率：正样本有多少被找出来了。
批量归一化：分配的到下一层的数据与希望的一致。

4.基本构成涉及到的概念

权重：对输入特征的重要程度分配不同的权重值。
激活函数：将输入信号转换为输出信号。
梯度下降：求导/求偏导/求局部最小。

5.常用模型涉及到的概念

卷积操作:减参

最大池化：

稀疏：0元素很多
仅是个人理解，记录学习，总结知识，不喜勿喷！！！