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。
关于内容本书由浅入深地介绍了如何将深度学习技术应用到移动端运算领域，书中尽量避免罗列公式，尝试用浅显的语言和几何图形去解释相关内容。
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.
百度云智学院首次对外发布了AI全栈学习路线图，由百度一众技术导师以及行业领域专家联合整理贡献，结合视频课程、实验项目等大量优质的学习资源，配套测评考试与能力认证，覆盖AI初学者从入门到行业专家的学习全周期
下图展示了深度强化学习这8年来的里程碑成果，非常激动人心： 在这篇文章中，我们想探讨三个方面的内容： （1）深度强化学习当前的核心技术（2）深度强化学习需要解决的问题（3）深度强化学习未来可能的发展方向
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。 音频信号的深度学习处理方法 报告主要包括音频信号领域的研究方向介绍和将深度学习方法引入音频信号处理中的尝试和初步结果。
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。
飞桨服务化部署框架 Paddle Serving 经过多个版本的不断迭代升级，是市面上为数不多的能同时解决企业服务部署过程中三方面需求的深度学习服务部署框架： 1、极致性能 为了让用户能够实现在高并发、
深度学习开发者峰会上，百度首次对外公布了 PaddlePaddle 全景图及中文名「飞桨」；今年3月，百度重磅发布飞桨开源框架2.0版本…… 开源近5年，百度飞桨一直在路上。
