手把手|神經(jīng)網(wǎng)絡的菜鳥入門秘籍-創(chuàng)新互聯(lián)

成都創(chuàng)新互聯(lián)長期為上1000+客戶提供的網(wǎng)站建設服務，團隊從業(yè)經(jīng)驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為瓊山企業(yè)提供專業(yè)的成都做網(wǎng)站、成都網(wǎng)站設計、成都外貿(mào)網(wǎng)站建設，瓊山網(wǎng)站改版等技術服務。擁有十載豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

大數(shù)據(jù)文摘出品

編譯：李雷、笪潔瓊、云舟

在過去幾年中，如果你打開過瀏覽器，那么你肯定看到過幾百回“神經(jīng)網(wǎng)絡”這個詞。

在這篇短文中，我將為你初步介紹這一領域和神經(jīng)網(wǎng)絡本身的背景信息。接下來的5分鐘可能不會讓你迅速成為這個領域的世界級專家，但讓你經(jīng)歷一個意義非凡的入門階段卻是很簡單的。另外，你還將學習到一些流行術語（尤其是按文后的清單做進一步閱讀），這可以成為你茶余飯后的談資。

什么是機器學習？

要理解神經(jīng)網(wǎng)絡，我們首先需要懂機器學習。而為了理解機器學習，我們就得先談談人類學習，或者“經(jīng)典編程”。

在經(jīng)典編程中，我，也就是開發(fā)人員，需要弄明白我正在試圖解決的問題的各個方面，并確切地知道怎樣找到解決方案。

例如，假設我希望我的程序知道正方形和圓形之間的區(qū)別。解決這個問題的其中一種方法是編寫一個可以檢測邊角的程序。如果我的程序檢測到4個角，那么這個形狀是一個正方形，如果它檢測不到任何角，那么這個形狀就是一個圓。

那么機器學習又是啥？一般來說，機器學習=從例子中學習。

在機器學習中，當面對上文區(qū)分圓和正方形的問題時，我們將設計一個學習系統(tǒng)，將許多形狀及其類別（正方形或圓形）的例子作為輸入，從而希望機器能夠自己學習可以用來區(qū)分形狀的特征。

然后，一旦機器學會了所有的特征，我們就可以給它一個以前沒出現(xiàn)過的圖像，并且希望它能夠正確地對其進行分類。

什么是神經(jīng)元？

在神經(jīng)網(wǎng)絡的背景下，神經(jīng)元是一個奇妙的名詞，“聰明”的人不愿用函數(shù)（function）這個樸素名字。當然，在數(shù)學和計算機科學的背景下，函數(shù)（function）也是一個奇妙的名稱，它接收輸入，實現(xiàn)處理邏輯并輸出結(jié)果。

更重要的是，神經(jīng)元可以被認為是一個學習單元。

因此，我們需要在機器學習的背景下理解什么是學習單元。之后我們就可以理解神經(jīng)網(wǎng)絡最基本的構造，即神經(jīng)元。

為了闡述這個問題，假設我試圖理解博客文章中單詞數(shù)量與人們實際從該帖子中讀到的單詞數(shù)量之間的關系。請注意 - 我們是在機器學習領域做這件事，因此我們要從例子中學習。

所以我在博客文章中收集了許多單詞數(shù)統(tǒng)計的實例，用x表示，以及人們在這些帖子中實際閱讀了多少單詞，用y表示，我假設它們之間存在一定關系，用f表示。

這件事情的神奇之處在于，我只需要告訴機器（程序）我期望看到的關系（例如直線）大概是怎樣的，機器就會明白它需要繪制的實際圖形。

那我在這里又得到了什么？

下一次，我想要寫一篇有x個單詞的博客文章，機器可以運用它發(fā)現(xiàn)的關系f來告訴我，我可以預期人們實際閱讀的單詞數(shù)量，y。

所以，神經(jīng)網(wǎng)絡是......

好，如果一個神經(jīng)元是一個函數(shù)，那么神經(jīng)網(wǎng)絡就是一個函數(shù)網(wǎng)絡！這意味著我們有許多（很多）這樣的函數(shù)和這樣的學習單元，它們的所有輸入和輸出是相互交織的，就是說他們互為輸入輸出。

作為這個網(wǎng)絡的設計者，我需要回答以下問題：

• 如何為輸入和輸出建模？（例如，如果輸入是一些文本，我可以用字母建模嗎？那數(shù)字和向量呢？...。）

• 每個神經(jīng)元有哪些功能？（它們是線性的嗎？還是指數(shù)型的？...）

• 網(wǎng)絡的架構是什么？（也就是說，哪個函數(shù)的輸出是哪個函數(shù)的輸入？）

• 我可以用哪些流行術語描述我的網(wǎng)絡？

一旦我回答了這些問題，我就可以向我的網(wǎng)絡“展示”許多正確的輸入輸出的例子，這樣當我“展示”給它一個它以前從未見過的新示例輸入時，它就會知道正確的輸出。

你也可以訪問神經(jīng)網(wǎng)絡游樂場這個超級酷的網(wǎng)站，從而更好地理解這個過程意味著什么。

神經(jīng)網(wǎng)絡游樂場：

https://playground.tensorflow.org/

神經(jīng)網(wǎng)絡 - 永無止境的故事

由于這個領域?qū)嶋H上在不斷膨脹，每分鐘出現(xiàn)的新內(nèi)容的數(shù)量對任何人來說都是不可能跟蹤的。（不知道會不會有朝一日我們能夠建立一個能夠追蹤人類在AI領域進步的AI）

進入這個領域，首先要知道的是沒有人知道一切。所以你不用擔心自己不如他人，只要保持好奇心就好了。:)

因此，推薦一些比較優(yōu)秀的資源：

Gal Yona，在這個領域非常棒的博主之一。她的帖子包括從核心技術的解釋到半哲學的評論。

核心技術的解釋：

https://towardsdatascience.com/do-gans-really-model-the-true-data-distribution-or-are-they-just-cleverly-fooling-us-d08df69f25eb

到半哲學的評論：

https://towardsdatascience.com/the-tale-of-1001-black-boxes-62d12b5886aa

Siraj Raval 是一個擁有大量視頻的油管博主（youtuber），從理論解釋到動手教程都非常有趣！

理論解釋：

https://www.youtube.com/watch?v=xRJCOz3AfYY

動手教程：

https://www.youtube.com/watch?v=pY9EwZ02sXU

Christopher Olah，一位充滿激情和洞察力的研究員，擁有一個超炫的博客，其中包括從基本概念到深度學習的帖子。

從基本概念：

http://colah.github.io/posts/2015-09-Visual-Information/

深度學習：

https://distill.pub/2017/feature-visualization/

《走向數(shù)據(jù)科學》是這個領域大的中型出版物，無論你有幾分鐘或幾小時的時間，都可以去他們的主頁開始探索一切，從實用工具到深度算法應有盡有。

走向數(shù)據(jù)科學：

https://towardsdatascience.com/

相關報道：

https://medium.freecodecamp.org/neural-networks-for-dummies-a-quick-intro-to-this-fascinating-field-795b1705104a

本文名稱：手把手|神經(jīng)網(wǎng)絡的菜鳥入門秘籍-創(chuàng)新互聯(lián)
本文URL：http://bm7419.com/article32/dcogpc.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站導航、品牌網(wǎng)站制作、標簽優(yōu)化、網(wǎng)站排名、網(wǎng)站維護、網(wǎng)站建設

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)