神经网络的实现过程: 准备数据集,提取特征,作为输入喂给神经网络;搭建NN结构,从输入到输出(先搭建计算图graph,在用会话Session执行)大量特征数据喂给NN,迭代优化NN参数使用训练好的模型预测和分类 设计神经网络的过程: 使用成熟的网络,喂入新的数据观察泛化能力,在适当更改网络结构,让机器调节网络参数,得到成熟的网络。 前向传播: 搭建模型,实现推理 反向传播: 训练模型参数,在所有参数上用梯度下降,使NN模型在训练数据上的损失函数最小 学习率: 决定每次参数更新的幅度