1.一种深度学习方法，其特征在于，所述方法包括：样本生成步骤：生成多个第一样本；

模型初始化步骤：初始化深度学习模型，作为深度学习模型；

生成样本无监督学习步骤：使用所述第一样本对所述深度学习模型进行无监督训练；

样本筛选步骤：从多个所述第一样本中筛选出多个符合第一预设条件的所述第一样本，作为多个第二样本；

生成样本有监督学习步骤：使用所述第二样本对所述深度学习模型进行有监督训练。

2.根据权利要求1所述的深度学习方法，其特征在于，所述样本生成步骤具体包括：根据预设知识库生成多个所述第一样本；

所述样本筛选步骤具体包括：判断所述第一样本的输出是否与预期输出一致：是，则将所述第一样本作为第二样本。

3.根据权利要求1或2所述的深度学习方法，其特征在于，所述生成样本有监督学习步骤之后还包括：真实样本无监督学习步骤：获取多个用于训练的真实样本，对所述深度学习模型进行无监督训练；

真实样本有监督学习步骤：筛选出符合第二预设条件的多个用于训练的真实样本，对所述深度学习模型进行有监督训练。

4.根据权利要求3所述的深度学习方法，其特征在于，所述真实样本有监督学习步骤之后还包括：模型验证步骤：筛选出输出与预期输出一致的多个用于测试的真实样本对所述深度学习模型进行验证；

验证判断步骤：判断所述验证是否通过：是，则所述深度学习模型通过验证，使用所述用于测试的真实样本对所述深度学习模型进行无监督训练和有监督训练；否，则转到样本生成步骤继续执行。

5.根据权利要求4所述的深度学习方法，其特征在于，所述验证判断步骤之后还包括：输出生成步骤：获取输入数据作为所述深度学习模型的输入，计算得到所述深度学习模型的输出；

模型优化步骤：判断所述输出是否与预期输出一致：否，则回到样本生成步骤继续执行。

6.一种深度学习系统，其特征在于，所述系统包括：样本生成模块：生成多个第一样本；

模型初始化模块：初始化深度学习模型，作为深度学习模型；

生成样本无监督学习模块：使用所述第一样本对所述深度学习模型进行无监督训练；

样本筛选模块：从多个所述第一样本中筛选出多个符合第一预设条件的所述第一样本，作为多个第二样本；

生成样本有监督学习模块：使用所述第二样本对所述深度学习模型进行有监督训练。

7.根据权利要求6所述的深度学习系统，其特征在于，所述样本生成模块具体包括：根据预设知识库生成多个所述第一样本；

所述样本筛选模块具体包括：判断所述第一样本的输出是否与预期输出一致：是，则将所述第一样本作为第二样本。

8.根据权利要求6或7所述的深度学习系统，其特征在于，所述系统还包括：真实样本无监督学习模块：获取多个用于训练的真实样本，对所述深度学习模型进行无监督训练；

真实样本有监督学习模块：筛选出符合第二预设条件的多个用于训练的真实样本，对所述深度学习模型进行有监督训练；

模型验证模块：筛选出输出与预期输出一致的多个用于测试的真实样本对所述深度学习模型进行验证；

验证判断模块：判断所述验证是否通过：是，则所述深度学习模型通过验证，使用所述用于测试的真实样本对所述深度学习模型进行无监督训练和有监督训练；否，则转到样本生成模块继续执行。

9.根据权利要求8所述的深度学习系统，其特征在于，所述系统还包括：输出生成模块：获取输入数据作为所述深度学习模型的输入，计算得到所述深度学习模型的输出；

模型优化模块：判断所述输出是否与预期输出一致：否，则回到样本生成模块继续执行。

10.一种机器人系统，其特征在于，所述机器人系统中分别配置有如权利要求6至9任一项所述的深度学习系统。