什么是深度学习?
人工神经网络(artifitial neural network, ANN),即试图模仿人脑的神经元之间传递和处理信息的方式。深度学习是机器学习(人工神经网络)的一个分支。
深度学习的组成
深度学习的网络由输入层、隐藏层、输出层组成(如下图所示):
- 输入层(Input layer):输入训练数据
- 隐藏层(Hidden layer):提取特征——几层至几千层
- 输出层(Output layer):输出计算结果
深度学习的网络组成
a.节点:各层网络的连接点
b.激活函数(activation function):一般为非线性函数,将通过该节点的输入做一次非线性变化
c.成本函数(cost function):评估在特定输入值下,节点输出结果相对输入值的偏差
深度学习的两种传播方式
1.前向传播(forward propagation):图像预处理->输入层输入网络->隐藏层提取特征->输出层输出结果
2.反向传播(backward propagation):不断调整每一层的权重参数,使损失值最小。
——本文参考自李嘉璇《TensorFlow 技术解析与实战》