本文是作者学习吴恩达神经网络课程的心得，介绍了神经网络的基础知识，包括神经元的运算、激活函数（如ReLU）、成本函数、正向传播和反向传播（梯度下降）的概念。还讨论了深度学习中网络层数的影响，以及初始化权重的重要性。
目前为止已经开学两个月余几天了，首先在这里感谢宿舍高同学让我想起找个平台记录自己所学！！大学四年转瞬即逝留下东西不多，因此读研之后更想留下痕迹，这里废话不多说心路历程补充到结尾，CSDN上面写东西应该会持续三年，以后应该会不定期更新，如果有哪位同志发其中有什么不妥之处也希望可以给予指正。然后这个东西也会留在博客园，以后有什么“人生感悟”主要是写到博客里面，体验一下。
本次作为第一次文章，我还是想从基础开始，刚好重新学习了吴恩达老师的神经网络的课程，也算有点收获，就先记录一下：
首先呢，众所周知神经网络是由很多的神经元构成：
上图是一个含一个输入层，两个隐藏层，一个输出层的简单的神经网络。输入层顾名思义就是做输入用；隐藏层做计算，特征提取之用；输出层也是顾名思义。
这是一个神经网络的必走流程，分别是先过一个神经元的计算然后进入成本函数ÿ
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
