tensorflow学习笔记(3)---神经网络简介

最新推荐文章于 2021-09-27 15:45:29 发布

labPqsdr

最新推荐文章于 2021-09-27 15:45:29 发布

阅读量326

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/labPqsdr/article/details/80152233

版权

机器学习专栏收录该内容

7 篇文章 0 订阅

订阅专栏

通过tensorflow游乐场(http://playground.tensorflow.org)可以大致理解神经网络整体过程。
神经网络分为输入层，输出层和隐藏层。
通过将实际问题中的对象进行特征提取来得到相应的特征向量作为神经网络的输入。
使用神经网络解决分类问题主要可分为4个步骤：
1. 提取问题中实体的特征向量作为神经网络的输入。
2. 定义神经网络的结构，并定义如何从神经网络的输入得到输出，即前向传播算法。
3. 通过训练数据来调整神经网络中参数的取值。即是神经网络的训练过程
4. 使用训练好的神经网络来预测未知的数据