深度学习入门——基于python的理论与实现
文章平均质量分 92
会飞的鱼_blog
无
展开
-
深度学习入门——神经网络的学习
神经网络的特征就是可以从数据中学习。所谓“从数据中学习”,是指可以由数据自动决定权重参数的值。在实际的神经网络中,参数的数量成千上万,在层数更深的深度学习中,参数的数量甚至可以上亿,想要人工决定这些参数的值是不可能的。在神经网络中,机器可以学习图像中的重要特征量,神经网络的优点是对所有的问题都可以用同样的流程来解决。原创 2023-06-14 23:03:30 · 664 阅读 · 0 评论 -
深度学习入门——神经网络
神经网络是一种受到人脑神经系统启发的机器学习模型。它由一系列相互连接的人工神经元组成,这些神经元以层次结构排列。每个神经元接收来自上一层神经元的输入,并根据权重和激活函数对输入进行加权处理,然后将输出传递给下一层神经元。如下图是一个简单的神经网络,最左边的一列称为输入层,最右边的一列称为输出层,中间的一列称为中间层。上述说到根据权重和激活函数对输入进行加权处理,这个过程可以描述成感知机实现的过程。原创 2023-06-14 23:04:52 · 1469 阅读 · 0 评论 -
Matplotlib学习
在深度学习的实验中,图形的绘制和数据的可视化非常重要。Matplotlib是用于绘制图形的库,使用Matplotlib可以轻松地绘制图形和实现数据的可视化。这里,我们来介绍一下图形的绘制方法和图像的显示方法。原创 2023-06-14 23:02:42 · 754 阅读 · 0 评论 -
深度学习入门——感知机
感知机接收多个输入信号,输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电流流过导线,向前方输送电子一样,感知机的信号也会形成流,向前方输送信息。但是,和实际的电流不同的是,感知机的信号只有“流/不流”(1/0)两种取值。如下图是是一个接收两个输入信号的感知机的例子。x1、x2是输入信号,y是输出信号,w1、w2是权重(w是weight的首字母)。图中的○称为“神经元”或者“节点”。输入信号被送往神经元时,会被分别乘以固定的权重(w1x1、w2x2)。原创 2023-06-14 23:02:08 · 575 阅读 · 0 评论