神经网络的数学基础

初识Neural Networks

看一个具体的神经网络示例，使用Python 的 Keras 库来学习手写数字分类
将手写数字的灰度图像（28 像素×28 像素）划分到10 个类别 中（0~9）。使用 MNIST 数据集中,包括 4 个 Numpy 数组。这个数据集包含 60 000 张训练图像和 10 000 张测试图像。在机器学习中，分类问题中的某个类别叫作类（class）。数据点叫作样本（sample）。某 个样本对应的类叫作标签（label）。

张量

张量的关键属性

张量是由以下三个关键属性来定义的:

• 轴的个数（阶）。例如，3D 张量有3个轴，矩阵有2个轴。这在 Numpy 等 Python 库中也叫张量的ndim。
• 形状。这是一个整数元组，表示张量沿每个轴的维度大小（元素个数）。如，前面矩阵示例的形状为(3, 5)，3D 张量示例的形状为(3, 3, 5)。向量的形状只包含一个元素，比如(5,)，而标量的形状为空，即()。
• 数据类型（在 Python 库中通常叫作 dtype）。这是张量中所包含数据的类型，例如，张量的类型可以是float32、uint8、float64 等。在极少数情况下，你可能会遇到字符（char）张量。注意，Numpy