lhy机器学习（三）： ML Lecture 6 Brief Introduction of Deep Learning（神经网络）

 

神经网络

看看各大神经网络模型的层数把~

 

让我们再回顾一下神经网络的结构，这地方我就不赘述了，根据ppt就能看懂

 

再看一下图像识别的流程，就是把一个图片的像素拉成一个向量，如图就是把256个像素拉成一个向量，代表256个特征，根据256个特征输出识别的值，这是个多分类任务，输出1-10的概率中2的概率最大，那就是2

通常神经网络结构构建是需要经验的，

在数字识别中，真实值其实就是一个代表1-10的向量，如果答案是1，那就是【1,0,0,0,0...】

 

神经网络真的层数越多越好吗？层数越多，就说明我们的参数越多，参数越多那肯定拟合的更好啦，它就会拥有更小的bias（偏差）和更大的方差，方差大的话那么我们增加数据量不就可以了嘛~真的是这样吗？

甚至有人这样说，我们可以思考一下，任何一个N维的向量都可以通过一层神经网络变成M维的，那我们只需要一层就够了呀，为什么还要很多层呢？真的是这样吗？这些个问题以后再解答