不用框架入门与进阶深度学习(1)-手写感知器

转自公众号-AI圈终身学习，深度学习零基础入门与面试必会。
致力于提供一个有情怀的集训互享开源平台，欢迎关注。

---

文集介绍

不用框架，代码手撸深度神经网络，系列文章。适合零基础入门，更适合进阶。系列文章，提前关注不迷路。适宜人群：

• 深度学者初学者
• 深度学习面试进阶者
• 有意向转行AI的IT从业者
• 对深度学习感兴趣的在校大学生

纸上得来终觉浅，文集所有代码地址：https://github.com/AIGroup-Z/deep-neural-network

这是本文集暂定要写的内容：

前言

上篇文章我们解释了什么是深度学习，以及神经网络。当然您可能觉得一头雾水，那是非常正常的。本节接着介绍神经网络的基本组成单元-感知器。

一、感知器是什么？

如图，红色加粗部分就是一个感知器：

我们把它抠出来，就变成了这个样子：

感知器为框里的部分，它不包括输入层。因此，其组成如下：

• 权重与偏置项 一个感知器有多个输入$(x_1,x_2,...,x_n|x_i\in \mathbb{R})$，每个输入有对应的权重$(w_1,w_2,...,w_n|w_i\in \mathbb{R})$, 此外有个偏置项$b\in \mathbb{R}$。
• 激活函数 感知器有很多种激活函数可选，我们暂时选择阶跃函数f做为激活函数：

所以我们的感知器最后得到的输出结果是：
(2) y = f ( w ⋅ x + b ) y=f(w\cdot x+b) \tag{2} <