疑问-为什么要那么多层
一层做的足够多，就可以了
如果参数总数一定，比较两种神经网络
矮胖vs.高瘦
结果显示：即使参数更少，高瘦的网络出错率更低
为什么呢？
做DL其实就是在做模块化
例如，现在做这样一个影响分析：长发男，长发女，短发男，短发女，需要四个分类模型
但长发男的数据过少，会造成训练出的模型性能较弱(weak)
为了解决这个问题，我们可以把问题切分成两个，这样任一数据集中数据数量都不会太少
这样新的模型可以利用已经训练的模型，只需借助比较少的结果就能训练出好模型
总结一下就是
第一层是最基础的分类器，第二层把第一层输出作为输入，稍微复杂些，以此类推……
模组化的作用是把复杂的问题变简单了，就算训练集数据没那么多，也可以做好
AI = 大数据 + Deep Learning 的说法是误人的
模块化在语音识别中的应用
人类语言的架构
同一个音素（phoneme）会因为上下文不同发不同音
语音识别step 1
将 acoustic feature (声学特征)转成 state
每一段时间取一些数据 得到 acoustic feature sequence
看到16：54