最后，再看一个空间变换后的案例，左边的红绿是原始空间，右侧是转化后的高纬空间的扭曲图，这个时候，所有的红绿点都被扭曲到了一侧，惊奇的发现可以线性可分了：
那么，再问一个深度的问题，当然这个是术的问题，为什么深度学习是深度，而不是宽度? 比如：
有以下论文用实验数据证明了为什么深度学习网络应该是高个子，而不是矮胖子：
为什么要分那么多层，除了激活函数更多，空间变换能力更强，还有啥奥妙?
因为，如果层数太少，可能样本也太少,如下图：
分了层后，每一层会有更多的样本,如下图：
最后，如何系统的进行深度学习的使用，下面一张图已经概括了，TensorFlow+theano+keras：
深度学习的介绍就到这里了，希望你能看到这里，遗憾的是笔者也仅仅是纸上谈兵，没有实操的经验，看得再多，也没有实际做过一个深度学习项目来得实在。
阿尔法狗采用的是卷积神经网络，如果要深入学习，可以看看其实现过程，有很多的技巧，当然，这要付出很大的代价，但道理是相通的。
希望于你有所启发。