深度学习开端---BP神经网络

0.学习路径示意图

    Hello，各位小伙伴大家晚上好呀，这期开始，博主就开始给大家分享深度学习这一块的内容啦。至于为啥要先开始讲BP神经网络(Back Propagetion Networks 反向传播网络)，而不是一上来就是高大上的CNN、RNN、LSTM blabla，原因非常简单，上述所说各种高大上的神经网络都是基于BP网络出发的，最基础的原理都是由BP网络而来，所以小伙伴们只要掌握了这章最基本的原理，接下来的各种网络也能学得得心应手，有没有一种BP在手，天下我有的感觉。

    废话不多说，这期的内容主要分为以下几点

        1.BP神经网络简介

        2.BP神经网络原理

        3.Tensorflow开发环境搭建

        4.总结

---

1.BP神经网络简介

    BP网络（Back Propagetion Networks 反向传播网络），相信很多小伙伴一听到这个“网络”二字，头皮就开始发麻，博主一开始学的时候也一样，觉得网络密密麻麻地，绝对难得一批，其实不然，这里的网络比我们现实生活中的网络简化了不止一丁点儿，但是它却能出奇地完成各种各样的任务，逐渐成为我们人类智能生活的璀璨明珠。当然，BP网络虽然并不是最耀眼的一颗，但却是每一个初学的小伙伴必须去了解的一颗，博主认为BP网络是每个小伙伴深度学习之旅的开端。

---

2.BP神经网络原理

    光看名字，可能小伙伴们并不了解这个网络是干啥的，那博主先给大家上个图，作为神经网络家族中最简单的一种网络，相信大家看完它的结构之后一定会对它有个非常直观的了解。

    对，就是这么个东西，左边输入，中间计算，右边输出。可能这样还不够简单，博主给大家画一个更简单的。

    不算输入层，上面的网络结构总共有两层，隐藏层和输出层，它们“圆圈”里的计算都是下图的计算组合

    每一级都是利用前一级的输出做输入，再经过圆圈内的组合计算，输出到下一级。

    看到这里，可能很多小伙伴会疑惑，为什么要加上f(z)这个运算，这个运算的目的是为了将输出的值域压缩到（0，1），也就是所谓的归一化，因为每一级输出的值都将作为下一级的输入，只