如今，深度学习正在全世界范围内提供最先进的成果。毫无疑问，它已成为迄今为止的突出技术，并将在未来继续征服世界。

在这篇文章中，您将了解有关深度学习的惊人事实。

1.黑白图像的自动着色

最初的图像是黑白的。然后出现了彩色图像。将黑白图像更改为彩色的任务是通过手完成的。现在，它是使用深度学习完成的。它使用照片中的图像和文本为图像着色，类似于操作人员。通常，为了重建图像，使用大型卷积神经网络和监督层。相同的方法也可用于着色黑白电影的静止帧。

2.自动为无声电影添加声音

这是循环神经网络（RNN）和卷积神经网络（CNN）的一个非常有趣的应用。在此，任务是为无声电影添加声音。这个任务是通过训练1000个视频来完成的，这些视频中鼓棒的声音会撞击不同的表面并产生不同的声音。这些视频被深度学习模型用来预测视频中最适合的声音。然后，为了预测声音是假的还是真的，我们建立了一个图灵测试。

3.自动机器翻译

有时，某些文本需要翻译为另一种语言。为此，需要一名翻译人员。但是，深度学习最适合文本和图像的自动翻译。

文本翻译是通过实现单词的依赖关系，然后映射到新语言来完成的。这种转换是使用堆叠神经网络和大的LSTM RNN完成的。同样，图像使用CNN进行翻译，在此过程中，图像被重新创建，使用所需语言翻译其中的文本。

4.照片中的物体分类和检测

顾名思义，图像中的对象由先前已知的对象检测和识别。这种检测可以使用CNN实现惊人的结果。我们可以在拥挤的地方检测物体，并使用模型中输入的数据集识别它们。

5.图像识别

这是使用先前馈送数据的深度学习的最佳应用之一，它识别图像中的对象和人物。这是游戏，媒体，旅游，零售等各个领域中使用的惊人应用之一。图像识别的真实例子之一是您在社交网络上传照片时的身份识别。

6.自动手写生成

曾经想象过我们的大学和学校作业由翻译完成，甚至可以模仿我们的笔迹。

这可以使用深度学习模型来完成，该模型具有手写的语料库并为给定的单词或短语生成新的笔迹。从这个手写的语料库中，学习了笔的运动和字母之间的关系。但是如果我们能够生成医生手写并模仿它们怎么办？

7.自动文本生成

如果我们写入一行，可以由机器本身生成另外的行。在这个模型中，通过单词或字符来学习单词，并自行生成更多的文本。

这可以通过关联输入字符串序列中的项来实现，然后生成文本。近年来，LSTM模型在这一领域取得了长足的发展。

莎士比亚的自动文本生成示例

8.自动图像标题生成

如今，图像的标题必须是完美的和最新的并且与趋势一致。如果手动完成，标题可能不那么迷人。但是，机器可以为图像生成标题。

为此，使用大型CNN检测图像中的对象，然后使用LSTM将标签转换为连贯文本。

9.自动游戏

如果一个模型像人类一样自己玩电脑游戏怎么办？是的，这项工作也可以使用深度学习模型完成。这个任务可以在AlphaGo游戏中轻松看到。这是深度学习中强化学习的领域。

10.自动驾驶汽车

曾经想象过一辆由自己驱动的汽车吗？这种类型的汽车是由像谷歌这样的公司制造的。公司使用大量数据进行训练。不断学习，然后复制该学习完成了这项任务。

11.广告

我们广告的目标受众是很重要的。广告是深度学习的一个关键应用，因为我们可以预测数据驱动的广告，并精确地瞄准受众。这是世界各地公司需要的时间，因为投资只会在特定的受众身上进行。

12.预测地震

哈佛科学家正在使用深度学习模型来预测地震的时间。这个时机对于挽救人们的生命非常重要。

13.医疗保健的深度学习

一些脑部疾病如脑癌是很难治愈的，因为侵入性的脑细胞不容易被发现。在手术中，神经网络与拉曼光谱学的结合使他们能够更容易地检测癌细胞，并减少术后残余癌的发生。

结论：

深度学习模型让我们的生活变得轻松而不那么复杂。使用这些模型，我们可以在更短的时间内完成工作，并且具有更高的准确性和效率。在即将发布的博客中，您将了解与深度学习相关的各种神经网络。