这篇博客介绍了深度学习的基本流程，包括建立神经网络结构，定义多层隐藏层，通过矩阵运算得到输出。在输出层进行多类别分类，如手写数字识别。接着，利用梯度下降法寻找最小总损失，采用反向传播算法进行参数更新。整个过程是深度学习中常见的训练模型的方法。
深度学习的步骤
三个步骤与机器学习一样。
Step1 neural network
每一层，有network structure，其中有很多neurons，通过计算，可以得到function set。
我们将它们看作很多layers，deep就是很多hidden layers。
通过Matrix Operation，得到output。
Output layer：是一个multi-class Classifier。
举例：识别手写数字
Output：十维，计算属于每个数字的几率，在layer1到L中，我们需要确定我们的network structure，得到function set。
Step2 Loss for an Example
和之前所讲的方法类似，我们需要找最小的total loss L，所用的方法则是gradient descent。
Backpropagation（反向传播）
扫一扫
266
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
