一、AI教程学习笔记 | 神经网络基础知识（一）

目录

 

1、如何将数据输入到神经网络中

2、神经网络是如何进行预测的

3、神经网络如何判断自己预测得是否准确

4、神经网络是如何进行学习的

5、计算图

6、如何计算逻辑回归的偏导数

---

1、如何将数据输入到神经网络中

此例中，待输入的数据是一张图像。为了存储图像，计算机要存储三个独立的矩阵，如果图像的大小是64 * 64个像素，一般把上面那3个矩阵转化成1个向量x（向量可以理解成1 * n或n * 1的数组，前者为行向量，后者为列向量，向量也会在后面的文章专门讲解）。那么这个向量x的总维数就是64 * 64 * 3，结果是12288。

2、神经网络是如何进行预测的

预测的过程其实只是基于一个简单的公式：z = dot(w,x) + b。

x代表着输入特征向量，假设只有3个特征，那么x就可以用（x1，x2，x3）来表示。如下图所示。w表示权重，它对应于每个输入特征，代表了每个特征的重要程度。b表示阈值[yù zhí]，用来影响预测结果。z就是预测结果。公式中的dot()函数表示将w和x进行向量相乘。公式展开后就变成了z = (x1 * w1 + x2 * w2 + x3 * w3) + b。

神经网络到底是如何利用这个公式来进行预测的呢？

假设周末即将到来，你听说在你的城市将会有一个音乐节。我们要预测你是否会决定去参加。音乐节离地铁挺远，而且你女朋友想让你陪她宅在家里搞事情，但是天气预报说音乐节那天天气特别好。也就是说有3个因素会影响你