5. 深度学习的优缺点_深度学习 - 让PM全面理解深度学习

5. 深度学习的优缺点

优点1：学习能⼒强
- 从结果来看，深度学习的表现⾮常好，他的学习能⼒⾮常强。
优点2：覆盖范围⼴，适应性好
- 深度学习的神经⽹络层数很多，宽度很⼴，理论上可以映射到任意函数，所以能解决很复杂的问题。
优点3：数据驱动，上限⾼
- 深度学习⾼度依赖数据，数据量越⼤，他的表现就越好。在图像识别、⾯部识别、NLP 等部分任务甚⾄已经超过了⼈类的表现。同时还可以通过调参进⼀步提⾼他的上限。
优点4：可移植性好
- 由于深度学习的优异表现，有很多框架可以使⽤，例如 TensorFlow 、Pytorch 。这些框架可以兼容很多平台。
缺点1：计算量⼤，便携性差
- 深度学习需要⼤量的数据很⼤量的算⼒，所以成本很⾼。并且现在很多应⽤还不适合在移动设备上使⽤。⽬前已经有很多公司和团队在研发针对便携设备的芯⽚。这个问题未来会得到解决。
缺点2：硬件需求⾼
- 深度学习对算⼒要求很⾼，普通的 CPU 已经⽆法满⾜深度学习的要求。主流的算⼒都是使⽤ GPU 和 TPU，所以对于硬件的要求很⾼，成本也很⾼。
缺点3：模型设计复杂
- 深度学习的模型设计⾮常复杂，需要投⼊⼤量的⼈⼒物⼒和时间来开发新的算法和模型。⼤部分⼈只能使⽤现成的模型。
缺点4：没有”⼈性”，容易存在偏⻅
- 由于深度学习依赖数据，并且可解释性不⾼。在训练数据不平衡的情况下会出现性别歧视、种族歧视等问题。