两个月入门深度学习，全靠动手实践！一位前端小哥的经验分享

王新民 编译自 Hackernoon
量子位 出品 | 公众号 QbitAI

在当前社会，技术日新月异，一个全栈工程师不及时学习新知识，掌握AI技能，再过两年就算不上“全栈”了。

产品发烧友、前端小哥Shival Gupta在意识到这一点后，通过两个多月的探索，掌握了基本的AI技能，并在Hackernoon上发文分享了自己的学习历程。

量子位搬运过来，各位可以参考他的学习思路。

建立第一个神经网络

大家给初学者的建议，通常是通过吴恩达的Coursera课程来入门。

这样开始很好，但是我在听课时很难保持专注。不是说这个课程不好或存在其他问题，而是我真的非常讨厌专心听课。我习惯于通过实践来学习，所以为什么不这么做呢？

让我们开始动手实现神经网络吧。

我没有直接跳到神经网络，因为还需要熟悉一些基础内容。我先尝试熟悉这个领域的所有专有名词，为下一步的语言学习作铺垫。

也就是说，第一项任务不是学习，而是熟悉这个领域。

我是个用JavaScript和Nodejs做开发的前端工程师，暂时也不想转后端，于是就找到了一个叫做nn的简单神经网络模块，并用它来实现一个带有虚拟输入的“与”门。

我选择了这样一个问题：对于任意三个输入X、Y和Z，输出为X和Y的“与”运算结果。

以下是实现代码：

var nn = require('nn')
var opts = {
    layers: [ 4 ],
    iterations: 300000,
    errorThresh: 0.0000005,
    activation: 'logistic',
    learningRate: 0.4,
    momentum: 0.5,
    log: 100
}
var net = nn(opts)
net.train([
    { input: [ 0,0,1 ], output: [ 0 ] },
    { input: [ 0,1,1 ], output: [ 0 ] },
    { input: [ 1,0,1 ], output: [ 0 ] },
    { input: [ 0,1,0 ], output: [ 0 ] },
    { input: [ 1,0,0 ], output: [ 0 ] },
    { input: [ 1,1,1 ],