总的来说,深度学习的目的是通过深层神经网络训练,达到让机器拥有复杂的判断能力。而判断能力一般表现为,针对有限个输入,给出有限个输出的取值。
比如,在谷歌给出的TenserFlow训练场中,训练后的模型可以识别点的不同颜色;这里,对于每个数据点,输入是一个二维向量:x坐标和y坐标,输出是一个布尔值:红或蓝。对于MNIST手写数字训练集,输入是一个784维向量,表示每个像素点的深浅,输出是一个0~9之间的整数,表示这张图片对应的数字。当然,实际中给出的输出的形式可能更为复杂,比如MNIST训练集的输出可能是一个排序,以及每个结果对应的正确可能性,不过总的来说仍然是有限个固定格式的输出。
在TensorFlow中,对相关的一些概念有更加具体的定义,列举如下:
一、计算图
(待续)