到底什麼是人工神經網路？
前面提到，人工神經網路是從大腦的理解中汲取靈感而形成的。在我們的大腦中，有數十億個神經元，它們連線成了乙個神經網路。
人工神經網路，結構也有些類似。許多個神經元（下圖中的⚪）相連，構成了乙個神經網路。
人類大腦神經元細胞接收來自外部多個強度不同的刺激，並在神經元細胞內進行處理，然後轉化為乙個輸出，傳導給下乙個神經元。
人工神經元也類似，但是在處理的機制和工作原理和大腦神經元沒什麼關係。人工神經元輸入的是資料，輸出的還是資料。
上面的x是神經元的輸入，w是每個輸入對應的權重，然後經過人工神經元計算處理後，輸出處理後的資料。
大腦的結構越簡單，那麼智商就越低。因此，單細胞生物是智商最低的了。人工神經網路也是一樣的道理，網路結構越複雜就越強大，所以我們需要深度神經網路。這裡的深度是指層數多，層數越多那麼構造的神經網路就越複雜。
深度神經網路建好了，就可以開始訓練了。訓練深度神經網路的過程叫做深度學習，學習時我們需要不停地將訓練資料輸入到神經網路中，它內部就會不停的發生變化，這樣就逐步具有了「智慧型」。
假如我們想讓深度神經網路可以識別貓，就需要不停地將貓的輸入到神經網路中。訓練成功後，我們隨意拿一張新的，它就可以判斷是否是貓了。
這就像我們教小孩子認識貓一樣，我們拿來一些花貓，告訴他這是貓，拿一些白貓，告訴他這也是貓，他腦子裡就不停地學習貓的特徵。然後，我們如果拿來一些黑貓，他就會告訴你這也是貓。
這就是深度學習網路學習的基本過程。是不是很容易理解呢！
深度學習 神經網路入門
在進行這方面學習工作的時候，在網上蒐集到了很多的資料與部落格，之前一直把學習的筆記存放在有道雲裡，最近決定還是想要整理成部落格所以接下來會一直把我之前的機器學習 深度學習 強化學習的相關知識和自己的經驗整理成部落格陸續更新 深度學習是基於神經網路的研究，含多隱層的多層感知器就是一種深度學習結構。深度...
《Pytorch神經網路高效入門教程》筆記
之前也寫過pytorch入門教程的筆記，不過好久不自己動手寫都有點忘了，這次這個教程講了挺多官方教程沒講的東西，還是值得記一下 1 gpu初探 1 將張量轉移到gpu上 cuda eg.t t.cuda 2 gpu只適合特定任務，比如能分解成多個小任務平行計算的 另外將計算轉移到gpu也有不小的開銷...
機器學習，深度學習，神經網路，深度神經網路
先來說一下這幾者之間的關係 人工智慧包含機器學習，機器學習包含深度學習 是其中比較重要的分支 深度學習源自於人工神經網路的研究，但是並不完全等於傳統神經網路。所以深度學習可以說是在傳統神經網路基礎上的公升級。神經網路一般有輸入層 隱藏層 輸出層，一般來說隱藏層大於2的神經網路就叫做深度神經網路，深度...