吴恩达深度学习Day1

神经网络（neuralnetwork）：

不论何种类型的人工神经网络，它们共同的特点是，大规模并行处理，分布式存储，弹性拓扑，高度冗余和非线性运算；

而具有很髙的运算速度，很强的联想能力，很强的适应性，很强的容错能力和自组织能力。

对每个输出需求（每个不同输入的输出）设定一个特定的人工神经元（功能模型），然后每个第一层的神经元的输出（可以看成新的特征）再输入到下一层的神经元；

神经网络可以自己计算出它想要在这个隐藏层（前一层输出结果后到达下一层的中间过程）中使用的特征；

简而言之就是神经网络可以自己计算出下一层神经元需要的输入；

自己构建神经网络的时候只需要确定你需要多少个隐藏层，每个隐藏层要有多少个神经元；

多层感知器（multilayerperceptron）也是神经网络的意思；

人脸识别的问题是,你能否训练一个神经网络，以一百万像素亮度值得特征向量作为输入，并输出图片中人物的身份；

每一个隐藏层中不需要人为规定特征，神经网络会自动的检测不同的特征（这便是神奇之处）；

TensorFlow（开源机器学习平台）：

对于TensorFlow，惯例是使用矩阵来表示数据；

Tensor（张量）是TensorFlow中的一种数据类型，有效的存储和执行矩阵计算，张量不矩阵更通用一点；转换回NumPy数组，可以使用函数a1.numpy;按场景转换相应的库；

构建一个简单的神经网络：

Layer_1：为第一层

Layer_2:为第二层

对数据进行训练；

在X_new上调用模型预测；