1周是1年的2%

本文总结自《深度学习入门：基于Python的理论与实现》一书，对于后两个方法，笔者还不太理解，所以仅仅介绍概念，或许以后会添加新的理解

反向传播用来计算导数，但这个不是反向传播的特性，这个导数怎么算是要自己来写的！把每一层的结点的导数计算公式封装在结点内部后，再来使用反向传播，反向传播的特性就是：链式法则，或者说反向传播是符合链式法则的，有了这个前提，我们才可以进行导数的反向传播。所以说，反向传播说白了就是： 把一个复合函数拆分为组成它的子函数，逐个求导，然后导数依次往前面的层传递，叫反向是因为这个过程在网络里是从后往前的！...

首先构建好用于学习的模型，也就是各个层用什么激活函数、输出层的如softmax函数、各层神经元的个数、损失函数等等。然后使用训练数据集来不断的调整模型的参数（学习）。具体怎么做的？首先设定一个初始参数。然后开始学习，计算第一次误差。然后调整参数，再次学习，计算误差。以此循环。最后误差会达到最小值。学习完毕。计算误差需要用到损失函数，损失函数实际上就是根据输出数据和预期数据计算模型的误...

对集合中每一个小弟，计算与每一个大佬的距离，离哪个大佬距离近，就跟定哪个大佬