前面說到深度學習（Deep Learning）是實現機器學習（ML）的一個技術，它使用的算法類似於人腦中使用神經元的方式，分為 DNN、CNN 和 RNN 三種。

DL概念

為了理解計算機如何使用深度學習，研究人員借鑒了一個類似的過程：幼兒試圖學習如何識別狗？

蹣跚學步的孩子首先學會將圖片與大人所說的＂狗＂這個字聯繫起來。
孩子繼續將吠叫聲與狗聯繫起來，然後孩子開始說這個字，可能會發出幾種錯誤的發音，直到他們最終理解了這個字。

同樣，計算機具有層次結構，每個級別的算法對輸入應用一個級別的轉換（這是它所做的學習），並創建一個統計模型作為輸出的參考。

各種迭代（就像孩子學習識別狗一樣）被考慮在內，直到達到所需的準確度水平，需要經過幾個層或特徵集才能達到最終結果，這就是為甚麼叫“深度”學習的原因！

DL 應用

CNN（Convolutional Neural Network） 十分常被用在 DL 上，處理更多由影像處理延伸的辨識功能，例如＂Reading text in the Wild＂

→ 可以讀出視頻中的文字，只要輸入文字，就可以直接搜出圖像中包含這些文字的 BBC 新聞視頻。
以下是對「London」的一部分搜索結果：

圖片來源
參考資料