版权声明：博客转载，请标注 来自 丁磊_ml博客 网址为 blog.csdn.net/MosBest https://blog.csdn.net/MosBest/article/details/79783036
1. 模型深且瘦，要优于 矮且胖？
在参数一样的前提下，是模型深且瘦好些，还是矮且胖好些？？？
**
答案：在参数一样的前提下，模型越深越好
。**
2. 在参数不变前提下，为什么模型越深越好？？？
其实，“加大深度”就相当于函数中的模块化。
也就是“并不急于解决问题，而是把问题切成比较小的问题，再解决”。
而且这样的好处是：“数据集要求低，并不需要太多的数据”
比如：
而“加大深度”就 相当于 模块化。每一层的神经元，就相当于进行了一次“将问题划分为几个小问题。”后面的一层网络就相当于前面一层网络的小问题划分结果。
那么根据上面所说，可得：
deep 就相当于 模块化 。模块化就可以减少数据的需求量。所以deep 只需要比较少的需求量。
为什么我们要做deep learning ，就是因为我们没有足够的data，才会考虑deep learning。
很多人认为玩deep learning 就需要很多很多的数据，其实并不是，deep learning 需要少的数据也可以达到很好的效果。
