深度学习实践的四个关键要素：计算能力、算法、数据和应用场景

计算能力

首先，深度神经网络复杂，训练数据多，计算量大。深度神经网络中神经元多，神经元间连接数量也相当惊人。从数学的角度看，每个神经元都要包含数学计算（如Sigmoid、ReLU或者Softmax函数），需要估计的参数量也极

算法

在计算能力变得日益廉价的今天，深度学习试图建立大得多也复杂得多的神经网络，我们可以把算法理解为深度学习的神经网络或是计算思维，这种神经网络越复杂，捕捉到的信号就越精确

数据

如今深度学习正迅速成为高级数据分析领域的热门话题，而数据的绝对量是促进深度学习工具和技术发展的一个关键因素。

应用场景

深度学习技术目前应用的场景不多，最普遍也是最成功的领域就是语音识别和图像处理这两个应用场景了