为什么深度学习对训练样本的数量要求较高？

要回答这个问题，必须要先明白，深度学习为什么要进行样本训练，简单的说就是，为什么要学习，为什么学习的样本量越大，出来的结果就越精确？

读书破万卷下笔如有神

古语云，读书破万卷，下笔如有神。

这个道理说的是，作为一个人，如果书读得越多，就越容易写出文章来。相信这个道理任何人都懂，你是否还记得读书时，班上某某某每次作文都写得非常好，原因是什么？

答案都是看书看得多。

深度学习的本质就是模拟人的学习机制

深度学习概念由Hinton于2006年提出，但本质就是人工神经网络，而人工神经网络就是一种对人脑的模仿，通过模拟人脑的生物神经网络，来模仿人的学习能力。

因此，深度学习就是通过模仿人类，来使得机器也具备学习能力。

而这种模拟，除了设置大量的神经网络节点(即模仿神经元)，还要通过算法来设计这个神经网络的模型，当然，还有最重要的一点，就是一定要通过样本数据训练，来使得机器具备某种能力，比如，通过人脸库，让机器具备人脸识别的能力。

而这种样本数据的训练，跟人类读书读的越多，就越能写出更好的文章，是一样的。

人工神经网络复杂度远低于人脑

虽然说，我们能够模拟出非常复杂的人工神经网络，但这个复杂度仍然低于人脑。如果人工神经网络跟人脑来比，只能说，就像拿一个婴儿和爱因斯坦来对比一样，他们的智能水平相差非常远。

因此一个智力相对差的人(我们可以把人工神经网络看作是一个智力很差的人)，如果想要获得跟一个智力普通的人一样的能力，是不是要付出更多的时间，读更多的书(更多的样本量训练)，才能追的上他。

这是不是跟“勤能补拙”是一样的道理呢？

越来越少的公众号还在坚持原创

“闻西说科技”就是其中之一