<二> 追本溯源：深度學習基礎
本章節，我們旨在讓讀者快速瞭解深度學習相關概念，並不對其做具體展開。
1、線性迴歸
線性迴歸加上非線性激勵得到一個神經元。多個神經元構造出一個神經網絡。
2、CNN
從神經網絡—> 卷積神經網絡
卷積核—> filter ，濾鏡
每個卷積核(二維矩陣)可以生成一張新的圖片
多個卷積核，可以形成一個神經網絡，我們把它叫做卷積神經網絡。
CNN的侷限：
沒有記憶，只對單張圖片有效
視頻處理時，只是簡單的多幀疊加，無法學習前後關係。
3、RNN
神經網絡—>遞歸神經網絡RNN
遞歸神經網絡是傳統神經網絡在時域的擴展。
RNN 的關鍵點之一就是他們可以用來連接先前的信息到當前的任務上，例如使用過去的視頻段來推測對當前段的理解。
對於RNN來說，每一次是輸出作爲下一時刻的輸入，這種方式在某種場景下可能會導致 s0 對 sn的影響很小。不能滿足某種應用場景，如自然語言處理。
因此引入了LSTM
LSTM 是一種特別的 RNN，可以學習長期依賴信息。比標準的 RNN 在很多的任務上都表現得更好。幾乎所有的令人振奮的關於 RNN 的結果都是通過
LSTM 達到的。
LSTM更爲詳細的理解請參考譯文《理解 LSTM 網絡》