【机器学习】做学问，不仅要知其然，还要知其所以然

在CSDN发的第一篇博客是关于神经网络与深度学习的，重点讲了一下前馈神经网络。写完之后觉得自己对神经网络的理解应该可以了，就在老师和同学们的面前讲了一下。但这次讲解却给了我很大的触动。
在讲神经元输入信号的时候，我与老师的互动是这样的:
我:神经元在开始时要接受一组输入，我们假设它接收d个信号，用向量X=[x1,x2,…,xd]表示，它是d维的。
老师:提个问题，如果一张图片它的像素是10x10的，那么d应该是多少?
我:…【沉默中】
老师:应该是100。
在讲激活函数的时候，我把激活函数的概念讲了一遍之后，正准备讲下一个知识点，老师打断我问了一个问题:
老师:为什么要在人工神经元中加入激活函数呢?
我:因为人工神经元是由生物神经元抽象而来的，在生物神经元细胞体中有激活过程，在人工神经元中以激活函数来代替这一过程。
老师:不够准确。之所以在人工神经元中加入激活函数是因为要将输入的数据进行非线性处理，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题。
之后，老师重点讲了一下激活函数的来由和功能，各种激活函数的优缺点，还进行了举例比如说现在的Google在这方面使用的激活函数是ReLu激活函数(因为好求导有利于BP算法的实现)等。
在这过程中，我受到的冲击一波又一波，因为这些东西我在做讲义的时候压根就没考虑到!
之后的讲解过程也是一波多折，在这里就不一一说明了。课下老师找我谈话，说了很多我的问题，最后向我说道:
“在做这个东西的时候，要多问几个为什么。多想，多查资料，多给自己找问题，把它往深了考虑，这才是做学问的态度。”
回去后，我写了这篇反思。也正是这一堂课，让我明白了一个道理:做学问，绝不能浮于表面、浅尝辄止，不仅要知其然，还要知其所以然，往深里去想，才是正途。
分享给大家，希望能给所有志同道合的朋友提供一些有用的建议和经验，要多和别人交流，从不同的角度看待问题，会有不同的收获。