你并不需要拥有谷歌量级的数据。以上所述意味着即使人均 100 到 1000 个样本也能从深度学习中受益。通过所有这些技术，我们可以改善方差问题，而且依然可以从其灵活性中受益。你甚至可以通过迁移学习来创建其他工作。

总结一下，我认为上述原因很好地解释了为什么深度学习在实践中奏效，打破了深度学习需要大量参数和数据的假设。最后，本文并不是想说 Jeff 的观点错了，而是旨在提供一个不同的新视角，为读者带来启发。

原文链接：

Jeff Leek 在 Simply Stats 的文章链接：https://simplystatistics.org/2017/05/31/deeplearning-vs-leekasso/）

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]