chill_notes/wiki/Resources/方法论/深度学习.md

created, type, tags

created	type	tags
2026-04-28	concept	深度学习，神经网络，AI

深度学习（Deep Learning）

使用多层神经网络从数据中自动学习特征表示

定义

深度学习是机器学习的一个子领域，通过多层（"深度"）神经网络学习数据的分层表示。每一层提取不同抽象级别的特征。

核心架构

架构	特点	应用
CNN（卷积网络）	局部感受野+权重共享	图像识别、CV
RNN/LSTM	序列记忆	时间序列、NLP（已被 Transformer 替代）
Transformer 架构	自注意力机制	NLP、多模态
GAN（生成对抗）	生成器 vs 判别器对抗	图像生成
扩散模型	逐步去噪生成	DALL·E、Midjourney、Stable Diffusion

与机器学习的区别

传统机器学习	深度学习
需要人工特征工程	自动学习特征
适合小数据	需要大数据
模型可解释	黑盒
计算需求低	需要 GPU

关键突破

• 2012：AlexNet（ImageNet 冠军，深度学习爆发）
• 2017：Transformer 架构（Attention Is All You Need）
• 2022：扩散模型爆发（Stable Diffusion）
• 2023：GPT-4（多模态）

相关概念

• 神经网络（深度学习的基础）
• 机器学习（深度学习的父领域）
• 监督学习 / 无监督学习
• 反向传播（训练算法）
• Transformer 架构

---

基于 AI 基础知识整理