為什麼深度學習對訓練樣本的數量要求較高？

要回答這個問題，必須要先明白，深度學習為什麼要進行樣本訓練，簡單的說就是，為什麼要學習，為什麼學習的樣本量越大，出來的結果就越精確？

讀書破萬卷下筆如有神

古語云，讀書破萬卷，下筆如有神。

這個道理說的是，作為一個人，如果書讀得越多，就越容易寫出文章來。相信這個道理任何人都懂，你是否還記得讀書時，班上某某某每次作文都寫得非常好，原因是什麼？

答案都是看書看得多。

深度學習的本質就是模擬人的學習機制

深度學習概念由Hinton於2006年提出，但本質就是人工神經網路，而人工神經網路就是一種對人腦的模仿，通過模擬人腦的生物神經網路，來模仿人的學習能力。

因此，深度學習就是通過模仿人類，來使得機器也具備學習能力。

而這種模擬，除了設置大量的神經網路節點(即模仿神經元)，還要通過演算法來設計這個神經網路的模型，當然，還有最重要的一點，就是一定要通過樣本數據訓練，來使得機器具備某種能力，比如，通過人臉庫，讓機器具備人臉識別的能力。

而這種樣本數據的訓練，跟人類讀書讀的越多，就越能寫出更好的文章，是一樣的。

人工神經網路複雜度遠低於人腦

雖然說，我們能夠模擬出非常複雜的人工神經網路，但這個複雜度仍然低於人腦。如果人工神經網路跟人腦來比，只能說，就像拿一個嬰兒和愛因斯坦來對比一樣，他們的智能水平相差非常遠。

因此一個智力相對差的人(我們可以把人工神經網路看作是一個智力很差的人)，如果想要獲得跟一個智力普通的人一樣的能力，是不是要付出更多的時間，讀更多的書(更多的樣本量訓練)，才能追的上他。

這是不是跟「勤能補拙」是一樣的道理呢？

越來越少的公眾號還在堅持原創

「聞西說科技」就是其中之一

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！