深度学习的概念：2006年提出
机器学习的一个新的领域，动机在于建立、模拟人脑进行分析学习的神经网络，模仿人脑的机制来解释数据，例如图像，声音和文本。
无监督学习
通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
深度学习框架：TensorFlow是人工智能学习系统，张量流，Tensor 意味着N维数组，Flow意味着基于数据流图的计算，TensorFlow是为张量从流图的一端流到另一端计算过程，将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
节点表示数学运算，线条表示多维数据数组之间的交互。
特点：机动性、可适性强：CPU GPU 移动设备 、自动差分、最优化表现
图像识别的途径：输入->学习->评估
常用方法：最近邻分类器（Nearest Neighbor Classifier）和KNN
基于Inception模型的图像分类器：
1、收集训练用的图像，建立文件夹分类存放相应图片
2、使用TensorFlow和Inception模型来训练一个计算图/模型
3、用计算图编写脚本进行图像分类
4、对新图像进行分类来测试脚本
深度学习入门（神经网络模型）：Python和机器学习基础