从0开始学习深度学习1 神经网络的本质

首先你要知道神经网络是什么，简单地说，一个神经网络就是，你给一个输入信息，他反馈一个输出信息，就像人的神经细胞一样。

都知道现在的神经网络有很多层堆叠，我们需要先从单层学起

计算机没有人的细胞聪明，他会的就是计算，给他一个输入，他来给出一个输出，输出怎么形成的，通过计算，这个计算的过程是什么样的就是我们需要学习的内容。

单层的神经网络很简单，就是输出=输入*权重

为什么叫权重，后面会讲到，在这里先不做说明

单输入单输出的单层神经网络就是一个乘法算式，输入*权重=输出

我们用球队球员的平均脚趾数目来预测球队胜利的概率，就会有如下模型：

代码如下：

weight = 0.1  #权重
number_toes = 8.5  #输入
def network(inout,weight):
    prediction = input*weight
    return predition
pred = network(number_toes,weight)  #输出
print(pred)

非常简单，这就是神经网络的本质，后面的复杂模型都是在这个基础上进行的变形，比如怎么来更新权重，多输入多输出怎么来计算，多层的神经网络怎么堆叠