29、深度神经网络教程与 TensorFlow

 即使你几乎没有先前的经验，只是想开始制作 AI 模型，你也可以跟随本篇博客。然而，我假设你有 Python 编程经验。在这篇博客中，我们将讨论 DNN，它是“神经网络”的复杂版本，能够接收和输出数字。

那么让我们开始吧。

首先，我们来定义一下“网络”

这是我们可以制作的最简单的神经网络。这种网络有 3 个输入和 1 个输出。“权重”只是一些数字，它们帮助神经网络确定输入的“强度”。

为了明确权重和节点（圆圈）之间的关系，可以考虑我们大脑中的一个神经元。它接收电信号作为输入，并输出电信号。假设你触摸到某个温暖的东西。冲动信号会通过神经元传递，然后传递到大脑。在那里，它将冲动分类为微弱的信号，所以它知道手指触摸到了温暖的东西。现在，如果你触摸到非常热的东西，一个更强的冲动信号会通过神经元传递，大脑会相应地进行分类。

神经网络中的权重执行相同的工作，帮助神经网络分类冲动/输入的“强度”。

一个神经网络可以只有输入层和输出层。在图像中，输入层有 3 个节点，输出层有 1 个节点，但它可以有我们需要的任意数量。

这样的网络（如上图所示）可以用于诸如线性回归的任务，基本上是一条直线。线性回归可以用来模拟显示线性模式的数据ÿ