深度学习带来的变革：深度学习的十个典型应用

本文翻译自Oliver Cameron的DeepLearning-Is-Revolutionary。本文中涉及到一些语音播放等推荐直接阅读原文听取。
本文从属于笔者的程序猿的数据科学与机器学习实战手册，推荐阅读有趣的机器学习：从多项拟合到深度学习、数据科学与机器学习概论

如今已经有不少人做了关于DeepLearning以及其如何重要的讲座，我很是赞成他们的见解。工做在DeepLearning这个领域是让我以为最接近魔法师的事，我以为将来三年内不少软件的重要部分都会由深度学习推进前行。不过，如今好像DeepLearning还非主流，所以我想分享些优秀的开发者的一些贡献。

图片加强

若是你手里只有一大堆低分辨率的图片，DeepLearning能够帮你预测高分辨率的图片会是什么样子，而后自动地帮你添加遗失的细节。

对于你的二次元小伙伴同样有用的奥:

文本转换为语音

DeepLearning可以构建一个文本转语音的系统，基本上合成出来的语音效果和真人没啥区别。能够参考wavenet-generative-model-raw-audio这篇文章。

音乐合成

DeepLearning可以帮你合成传统的音乐，效果跟真人合成的相比也是分辨不出来。

绘画风格替换

DeepLearning可以帮你给选定的图片替换风格样式。

字体生成

图片填充

DeepLearning可以自动帮你补全图片中遗失的部分。

机器人

DeepLearning可以辅助进行机器人训练，让它像我的类同样走路:

或者训练地像人类同样去抓取东西

图片摘要

Sketch

自动驾驶