深度神经网络具体的工作流程是什么样的？

我用乐高做例子，不做公式罗列了。深度学习就好比用乐高搭房子。如果用基础件搭房子，我需要许多的参数，几个方块，几个圆柱，几个三角，几个环形，几个红色，几个绿色……（输入层）；如果我将基础块进行简单的组合，组合成几块墙壁，几块屋顶，几块窗户和几个门…（隐含层），这时参数就比较少了，特征也很明显了，这些特征是无导师监督学习到的，而且是完备的（这些墙壁屋顶足够你搭房子用，不会出现不够用）。隐含层多了，组件也越整合，所需组件的个数也越少（特征的可描述性越强，参数越少）。这时再拿一个乐高模型给你，很快就可以通过判断有没有屋顶、窗户、墙壁和门，来断定这个模型是不是房子，而不用再去数有多少个类型的乐高基础块。与之前神经网络学习算法比较，DL的优势还在于它的特征是网络自己学习到的（无导师监督），不需要人工探索特征提取的方法，不用依赖个人的经验选取特征。它最终得到的特征空间具有理论依据，更为可靠（通过看有没有屋顶、墙壁、窗户和门判断是否是房子，比数有几块方块、几个圆柱、几个三角更可靠）。