深度學習與深層學習網路
（tensorflow中，tensor就是多維陣列，）
維基百科對深度學習的精確定義為「一類通過多層非線性變換對高複雜性資料建模演算法的合集」。因為深層神經網路是實現「多層非線性變換」最常用的一種方法，所以在實際中基本上可以認為深度學習就是深層神經網路的代名詞。
從維基百科給出的定義可以看出，深度學習有兩個非常重要的特性：多層和非線性。
只通過線性變換的話，任意層的全連線神經網路和單層神經網路模型的表達能力沒有任何區別，而且他們都是線性模型。
Tensorflow 深層神經網路
維基百科對深度學習的定義 一類通過多層非線性變換對高複雜性資料建模演算法的合集.tensorflow提供了7種不同的非線性啟用函式,常見的有tf.nn.relu,tf.sigmoid,tf.tanh.使用者也可以自己定義啟用函式.3.1.1 交叉熵 用途 刻畫兩個概率分布之間的距離,交叉熵h越小,兩...
神經網路初探
第一次接觸神經網路時，感覺它太神奇，太有趣了，同時也勾起我對生物的一些情愫，高中那會酷愛生物，然而高考陰差陽錯調劑到資訊與計算科學，進而到計算機專業，基於那點對生物的情愫，我打算用生物的方法理解一下人工神經網路.首先，我們來學習一下生物中的神經元在受刺激的情況下如何進行反應.當樹突末端接收到刺激，當...
神經網路深層網路實現
隨機初始化資料 確定迭代次數 進入迭代迴圈 前向傳播,主要目的是計算出al 分輔助函式的好處 計算cost 計算 dal 目的是初始化反向傳播的起點 反向傳播,主要目的是計算出grads 分輔助函式的好處 更新引數 達到了指定的迭代次數,退出迴圈 dropout正則化 應用 在計算機視覺中十分常見 ...