深度學習(Deep Learning)🤖

在上一章節有提到，機器學習是機器透過資料找出參數建立模型的方法，當我們將這些上萬個參數用神經網路(Neural Network)的結構來表示，並通過訓練模型來解出這些參數時，這個技術就被稱為深度學習。因此，深度學習可以看作機器學習的一個子類別。

深度學習的強大之處在於：神經網路能自行從資料中萃取有用的特徵，使用者無需自己手動找出特徵。一般情況下，這些自動生成的特徵甚至比人工找出的特徵還要好。

利用深度學習來完成任務需要的條件：

1. 找到能處理輸入資料的方法
2. 定義適當的深度學習模型
3. 找到能進行訓練並自動萃取特徵的方法，從而讓模型能夠輸出正確的答案

常見的深度學習模型 ⚙️

1. 卷積神經網路(Convolutional Neural Network, CNN)
2. 循環神經網路(Recurrent Neural Network, RNN)
3. 長短期記憶網路(Long Short-Term Memory, LSTM)
4. 生成對抗網路(Generative Adversarial Network, GAN)
5. Transformer

深度學習框架的兩大巨頭🥐

TensorFlow

• 特點：擁有強大的應用性和社群學習資源。將Keras完整併入，提供高階 API，便利性大幅提升。

PyTorch

• 特點：易用性佳，在研究及教學領域廣泛使用，也逐漸應用於業界

本章節會使用PyTorch作為主要的框架來介紹深度學習的原理和應用

題外話😂

今天下午因為要到公司其它事業群開會，說時遲，那時快，午後雷陣雨以迅雷不及掩耳之勢襲來，那雨勢跟用灌的沒兩樣，在移動的過程中，我彷彿一邊在瀑布下磨練心志，一邊在鑽研輕功水上漂...