目前深度學習依舊火熱，全世界開口閉口都是深度學習，感覺那深度學習已經充斥在我們周圍的空氣當中，
呼吸都不能錯過，真是令我們沉迷其中無法自拔。那深度學習是不是無所不能呢？且來看看深度學習的適用場景：
1.適合掌握深度學習的任務應具備這樣一些特點：
（1）具備大量樣本數據。深度學習是數據驅動的模型，如果樣本數據難以獲取或者數量太少，我們認為就不適合深度學習技術解決
（2）樣本數據對場景的覆蓋度足夠完善。深度學習模型的效果完全依賴樣本數據表現，如果出現樣本數據外的情況，模型的推廣性會變差
（3）結果對可解釋性的要求不高。如果應用場景不僅要機器能夠完成某項任務，還需對完成過程有明確的可解釋性，這樣的場景就不那么適合深度學習。
了解了深度學習的適用場景之后，我們來了解一下如何應用深度學習去解決我們的任務。也就是深度學習的基本流程：
2.深度學習的基本流程
（1）模型搭建：我們可以自己搭建自己的模型，也可以根據任務利用經典的模型進行細微的調整。
（2）數據預處理：不管什么任務，數據的處理都是解決問題的很關鍵步驟。
（3）訓練模型：有了模型、數據之后，則可以把數據喂給模型，讓模型自行學習，直至模型收斂。
（4）結果可視化：在訓練過程中，我們可以對一些指標進行可視化（比如loss的變化曲線等）輔助我們對已學習模型的判斷。
也可以輔助模型的驗證選擇。
（5）測試（預測）：我們的最終目的就是利用模型對新的數據進行預測，