浮的特点：
1、 浮动元素会对它下面元素中的文字产生影响：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>css</title>
<style type="text/css">
div{text-indent:2em;}
img{margin:10px}
</style>
</head>
<body>
<div>
<p>深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。深度学习的概念源于人工神经网络的研究，
含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，
以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，
它模仿人脑的机制来解释数据，例如图像，声音和文本等</p>
<img src="css7.03.01.png" alt="" style="float:left">
<p>从一个输入中产生一个输出所涉及的计算可以通过一个流向图（flow graph）来表示：流向图是一种能够表示计算的图，
在这种图中每一个节点表示一个基本的计算以及一个计算的值，计算的结果被应用到这个节点的子节点的值。
考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有父节点，输出节点没有子节点</p>
<p>这种流向图的一个特别属性是深度（dep>th）：从一个输入到一个输出的最长路径的长度。</p>
<p>传统的前馈神经网络能够被看作拥有等于层数的深度（比如对于输出层为隐层数加1）。
SVMs有深度2（一个对应于核输出或者特征空间，另一个对应于所产生输出的线性混合）</p>
<p>人工智能研究的方向之一，是以所谓 “专家系统” 为代表的，用大量 “如果-就”（If - Then）规则定义的，自上而下的思路。
人工神经网络（Artificial Neural Network），标志着另外一种自下而上的思路。
神经网络没有一个严格的正式定义。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式。</p>
</div>
</body>
</html>
返回值：