对于标注样本充足的场景可以直接使用预训练模型微调实现文本多分类，对于尚无标注或者标注样本较少的任务场景我们推荐使用小样本学习，以取得比微调方法更好的效果。
由于神经网络模型一般比较复杂，从输入到输出的信息传递路径一般比较长，所以复杂神经网络的学习可以看成是一种深度的机器学习，即深度学习。 神经网络和深度学习并不等价。
本文提出了SquirRL，它使用深度强化学习去识别区块链激励机制下的攻击策略，使用较短步骤，方法在BitCoin协议上复现了其著名的理论结果。
其原理是使用深度学习分类能力，将包含字符的小图片逐个分类为文本字符。b.
报告内容：目前基于深度学习的通用物体检测算法大致可以分为两类：一步法检测器和二步法检测器。一步法检测器有较高的检测速度，但检测精度不如二步法检测器。
作者 ｜ G Chaithali 基于深度学习技术的模型主导了现代工业级推荐系统的行业格局。现代推荐系统在大量场景中获得了实际应用。
这种深度学习算法由 Geoffrey Hinton 开发，用于主题建模、特征学习、协同过滤、回归、分类和降维。
用于预测类标签的分类 分类是监督学习的一个分支，其目的是根据过去的观测结果来预测新样本的分类标签。这些分类标签是离散的无序值，可以理解为样本的组成员关系。
相比于一般的分布式系统，深度强化学习系统比较专用，核心是Worker（CPU，用来采集数据），Learner （GPU，用来训练智能体）。
