深度學(xué)習(xí)的本質(zhì)是分類。

首先要定義類別，并把類型的特征描述下來，這就是神經(jīng)網(wǎng)絡(luò)模型。

把訓(xùn)練好的模型，放到實踐中，得出分類結(jié)果，這就是算法的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)層次越深，分類越細膩，實際應(yīng)用效果越好。給用戶的感覺，算法越準(zhǔn)確。

為什么深度學(xué)習(xí)算法，要求的算力很高呢？

深度學(xué)習(xí)算法用神經(jīng)網(wǎng)絡(luò)模型表示，二神經(jīng)網(wǎng)絡(luò)模式都是矩陣，矩陣運算比標(biāo)量運算量大，要多個數(shù)相乘相加，才能得到矩陣中一個成員。再加上數(shù)據(jù)模型神經(jīng)網(wǎng)絡(luò)層次多，自然而然，深度學(xué)習(xí)算法對算力要求很高。

為什么有的深度學(xué)習(xí)算法只能在CPU上運行？

在CPU是編程的普及率高，容易上手，初期算法實現(xiàn)時，在CPU上進行。算法公司，為了將算法研發(fā)快速變現(xiàn)，算法只要能運行，就在市場上推廣，因而出現(xiàn)了算法只能跑在CPU的情況。提高算法的效率，可以將算法移植到到GPU, DSP, NPU等適合并行運行的硬件單元上，單時間成本和技術(shù)成本高。短期內(nèi)，尤其是小公司，無法承受或?qū)崿F(xiàn)。

衡量深度學(xué)習(xí)算法的criteria？

不論深度學(xué)習(xí)算法，還是其他算法。都可以從時間復(fù)雜度上衡量。計算出結(jié)果的時間越短越好

空間復(fù)雜度，對應(yīng)實現(xiàn)算法的硬件資源，占用越小越好

準(zhǔn)確性，越準(zhǔn)越好

健壯性/穩(wěn)定性，不論什么應(yīng)用場景，運行結(jié)果越穩(wěn)定越好

維護性：邏輯越簡單越好，可讀性好，迭代周期越短越好

這幾個衡量角度，是相互制約的，需要達到一個平衡點，算法才是最優(yōu)。