DNN理解（一）

再说DNN之前，我们先说一下什么是机器机器学习以及他们的关系。

首先说一下机器学习是什么，在这里我不会去将机器学习的定义列出来，当然目前对于机器学习也没有一个真正的的定义。我会将我理解的机器学习说出来，也许说的会有错误，大家只需参考即可。

在我看来，机器学习就是机器通过大量的样本进行所谓的学习，得到一个尽量逼近真实的模型，这个行为就叫做机器学习。机器学习中的学习说白了就是调整参数的过程。我们根据一个真实事件，会为他创建一个模型。但是光有模型是不够的，我们需要将模型进行调整，让他尽量逼近真实模型，但是这个真实模型是并不存在的，因为我们不可能拥有所有的真实数据，并且我们设计的模型的结构也可能与所谓真实模型存在结构上的差异。所以，我们要做的就是尽量提供多的样本进行数据的拟合，通过大量样本的训练使得参数往真实模型靠拢，尽可能的逼近真实。

DNN与机器学习的关系是什么呢？你可以理解为DNN实一种模型，这么说可能不太准确，毕竟DNN也有很多的选择，那么DNN可以说是一种模型结构吧，在这个模型结构下有着很多的模型。

DNN基础：

这个可以称作感知器或者神经元，神经网络就是由这一个个神经元组合而成。他的作用就是接受n个输入，然后给出一个输出，至于这个输出怎么计算得来实可以你自己来调整，根据你的需要进行设计。