深度学习可以采用神经网络模型，也可以采用其它模型（比如深度信念网络是一种概率图模型）。 深度学习采用的模型主要是神经网络模型。
一.在移动端应用深度学习技术的业界案例 在互联网行业中，在移动端应用深度学习技术的案例越来越多。从深度学习技术的运行端来看，主要可以分为下面两种。
深度学习算法可以让机器能够像人脑那样进行工作和处理数据，并高度依赖于人工神经网络，并基于人脑的结构 - 功能而工作。以下是十大值得关注的深度学习算法，希望能对你有所参考。 1.
对于单智能体的情况，比如机器人，其实可以看做是机器人与环境的对抗，需要不断的变换环境的复杂度来提升机器人的智能水平。也因此，这套深度强化学习系统是适用于所有场景的。
对于音频信号，传统上的处理方法都可以分为音频特征抽取和音频序列建模两个主要部分。这个报告讨论了将深度学习方法引入音频信号处理中的一些尝试和初步结果。
2.深度学习和机器学习的关系 深度学习是机器学习的最热门分支，这句话足以解释深度学习和机器学习的关系。
对于绝大部分用户，仅需一行命令即可完成深度学习模型的服务部署工作。此外 Paddle Serving 提供了两种语言（Python/C++）编写的服务框架，方便深度用户选择自己熟悉的编程语言二次开发。
飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个开源开放、技术领先、功能完备的产业级深度学习平台，包括飞桨开源平台和飞桨企业版。
过拟合问题 使用以上数据和网络训练模型后，将模型应用到模拟器中让汽车自动驾驶时会发现，汽车在运动一段时间后会冲出了跑道。此时，我们遇到了一个深度学习领域经常遇到的问题——过拟合。
