深度学习的HelloWorld

一、简介

·        神经网络瞎扯的概述

简要的说，什么是神经网络？其实就是一个很复杂的函数，给一个输入（一般都是一组数）能有一个输出（比如知道是什么类别）。神经网络的魅力在于，它可以自己把这个“函数”学习出来。在“监督学习”中，你可以“喂”一些已经标记好的数据（比如一堆把人脸部分框起来的图片），然后它自己学习明白了，就可以去识别新的图片（从新给的图片中识别出人脸）。

而对于神经网络的基本结构，概要的讲，分为输入层、若干个隐含层、输出层。层与层之间由一些特定参数相联系，其中大多类似于：

X → Y=W^TX+b → Z=g(Y)

每一层的输入都通过一个线性的函数（其中有参数w1,w2,w3…和b）和一个激活函数(sigmod,ReLU 等等)，这就是“正向传播”；然后神奇的是，你可以从这个网络的终点出发，利用梯度下降法倒着优化你的参数W和b，以便找到最优的解决方案来适应你给出的训练集（比如前面提到的人脸图片）。

我这么讲你大概不知所云，所以我想给你一些可视化的材料：

深度学习系列视频3Blue1Brown (Grant Sanderson)

https://www.bilibili.com/video/av15532370/