Python深度学习笔记（二）神经网络

Python深度学习笔记（二）神经网络

学习深度学习过程中的笔记和大家分享。

神经网络

训练神经网络主要围绕这四个方面:

1,层：神经网络的基本数据结构是层，它是一个数据处理模块，将输入张量转换成输出张量。不同的张量格式与不同的数据处理类型需要用到不同的层。简单的向量数据保存在（sample,features）的2D张量中，通常用全连接层（对应keras中Dense类）。序列数据保存在形状为（sample，timesteps,features）的3D张量中，通常用循环层（对应于keras的LSTM层）来处理。图像数据保存在4D张量中，通常用二维卷积层（对应于keras的Conv2D）来处理。

from keras import layers
layer = layers.Dense(32,input_shape=(784,))  

这里我们创建了一个层，可以看到该层只接受第一个维度大小为784的2D张量（第0轴是批量维度，其大小没有指定）的输入。输出的张量的第一维度变成了32。当然，我们构建网络时不是只建一层，接下来还有很多层，那么接下来的层的输入张量的维度该如何确定呢？其实不用担心，使用keras时，第一层输出的张量第一维是32，那么第二层输入张量自动与其匹配，也是第一维为32。向模型中添加的层都会自动匹配输入层的形状。
2，输入数据和对应的目标：我们需要对数据进行划分