Python深度学习笔记04——tensorflow实现神经网络（壹）

文章目录

 

 

前言

一、神经网络基础

1、感知机模型

2、神经网络

二、简单神经网络的实现

1、API介绍

2、简单的神经网络实现手写数字图片识别

总结

---

 

 

---

 

 

前言

关于python深度学习（tensorflow 1.x版本）学习笔记04——神经网络（壹）

 

一、神经网络基础

1、感知机模型

感知机解决的是分类问题；线性回归解决的是回归问题。

• 应用：很容易解决与，或，非问题。

          x1,x2两个特征值，w1,w2两个权值。

          与：所有输入为1，输出为1，否则为0。w1=1,w2=1，阈值为1.5，只有输入（1,1）的输出值为1。

          或：只要有一个为1，输出就为1。

          异或问题：相同为0，不同为1，使用一个感知机无法很好的划分。（单个感知机解决不了的问题，可以增加感知机）

          逻辑回归：sigmoid，激活函数，进行分类。

2、神经网络

神经网络是一种数学模型，是存在于计算机的神经系统，由大量的神经元相连接并进行计算，在外界信息的基础上，改变内部的结构，常用来对输入和输出间复杂的关系进行建模。神经网络由大量的节点和之间的联系构成，负责传递信息和加工信息，神经元也可以通过训练而被强化。

• 感知机-->神经元-->多个-->神经网络
• 特点：
  • 输入向量的维度和输入神经元的个数相同
  • 每个连接都有权值
  • 同一层神经元之间没有连接
  • 由输入层，