本文介绍了深度学习中的基本概念，包括神经元、神经网络（NN）、深度神经网络（DNN）和卷积神经网络（CNN）。神经元作为信息处理的基本单位，神经网络模拟生物神经元工作。DNN是具有多层结构的神经网络，而CNN针对图像处理，考虑了数据的结构，特别适合图像特征提取。CNN包含输入、卷积、激励、池化和全连接层，用于高效处理图像信息。
刚接触深度学习时，我们经常会看到神经网络、深度神经网络、卷积神经网络这些词。初看可能一头雾水，没关系，下面我们就来了解一下这些词背后的意义吧。
| 图1 神经元的结构 |
|---|
神经元（Neuron）：
从生物上来说，无论是人还是其他动物都有数以亿计的神经元。神经元是神经系统最基本的结构和单位，通俗来说就是我们进行认知活动的基本单位。利用神经元，我们可以学习到各类知识，例如我们在生活中看到了一些小猫和小狗，神经元会学习并反馈给我们（一般）耳朵尖尖、身材小巧、对你爱答不理的是猫（突然卑微），体型较大、活泼好动、会向人摇尾巴求抚摸的是狗。
| 图2 猫与狗的区别 |
|---|
神经网络（Neural Network，NN）：
神经网络即人工神经网络，由具有权重和偏置的神经元组成，简单来说就是模拟生物神经元进行信息
最低0.47元/天 解锁文章
1348
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
