深度学习的优势和要素

　　深度学习的优势

　　1、鲁棒性

　　所谓鲁棒性就是它的性能非常稳定，数据越多，它的稳定性越强，不会有用着用着就非常不可靠的情况；

　　2、通用性

　　也是让人觉得很惊奇的地方，前段时间的围棋大赛事件，AlphaGo算法不仅仅用在娱乐，很多相同的业务流程都会拿它去做，尤其是在医疗方面，很多学者都开始参考它的算法来做一些肿瘤的分析。这就是所谓内部流逻辑上的一致性，使得计算的通用性得到的体验。

　　3、可扩展性

　　由于做数据分析的时候，各个数据样本之间是相互独立的，我们可以拿这些独立的数据进行训练，也可以使用分布式集群的方式进行模型和数据的并行化，从而快速地帮助模型训练，并得到一个更好的精度。

　　实现深度学习的三要素

　　1、算法

　　深度学习需有算法，你要去做深度学习，算法一定要足够的精堪；

　　2、数据

　　需要有自己的数据，包括自己的业务数据流，或者整个记录你一段历史的工作流程等这些数据是必不可缺的；

　　3、算力

　　有了这两项还是不够的，还需要一个能够继续提供强力运算能力的GPU，帮助你从算法中得到数据，有了算法和数据，再加上一个计算能力的GPU，你的深度学习工程才能正常的开展。