2018-11-7 deep learning举例

以手写数字识别为例：

输入是256维的像素，输出是对应0，1，2，3，4，5，6，7，8，9的概率

第一步：选择模型：

选择一个合适的神经网络模型，全连接模型，CNN卷积神经网络模型等等

神经网络的层数与个数是难点！经验+直觉

loss function是交叉熵的方法

找到neural network的parameters 使得total loss最小 

step3：找到最优解

利用gradient descent寻找最优模型，但是因为深度学习的函数太复杂，要直接计算微分的话，计算量实在太大了，所以一般会用一个叫做 反向传播（Backpropagation） 的算法来做，这个算法会在之后详细介绍。

虽然我们是用 Backpropagation 来帮我们算微分，但是其实就连这个我们都不会自己去算，基本都是用一些工具来帮我们，比如 TensorFlow。到此结束了吗？没有的，人这么懒的生物，觉得 TensorFlow 也太复杂了，所以又写了一堆 API 去直接调用 TensorFlow ，这就是之后会讲到的 Keras，果然懒才能推动人类不断进步。

---------------------

作者：MemoryD

来源：CSDN

原文：https://blog.csdn.net/MemoryD/article/details/80307520

版权声明：本文为博主原创文章，转载请附上博文链接！