教你用TensorFlow实现神经网络（附代码）

来源：云栖社区

作者：Pavel Surmenok

本文长度为2600字，建议阅读5分钟

本文帮助你理解神经网络的应用，并使用TensorFlow解决现实生活中的问题。

如果你一直关注数据科学/机器学习，你就不能错过深度学习和神经网络的热潮。互联网公司正在寻找这方面的人，而且从竞赛到开源项目，都有巨额奖金。 

如果你对深度学习所提供的前景感到兴奋，但是还没有开始，在这里或许是你开始的第一步。 

在这篇文章中，我将介绍TensorFlow。阅读本文后，你将能够理解神经网络的应用，并使用TensorFlow解决现实生活中的问题，本文中的代码是用Python编写的，Python最近的火爆也和深度学习有关。

何时使用神经网络？

有关神经网络和深度学习的更详细的解释， 请看这里。其“更深”版本正在图像识别，语音和自然语言处理等诸多领域取得巨大突破。

现在的主要问题是何时使用神经网络？关于这点，你必须记住一些事情：

• 神经网络需要大量的信息数据来训练

将神经网络想象成一个孩子。它首先观察父母如何走路。然后它才会独立行走，并且每走一步，孩子都会学习如何执行特定的任务。如果你不让它走，它可能永远不会学习如何走路。你可以提供给孩子的“数据”越多，效果就越好。

• 当你有适当类型的神经网络来解决问题时

每个问题都有自己的难点。数据决定了你解决问题的方式。例如，如果问题是序列生成，递归神经网络更适合，而如果它是一个图像相关的问题，你可能会采取卷积神经网络。

• 硬件要求对于运行深度神经网络模型是至关重要的