【图解深度学习】连小学生都能看懂的深度学习基础总结【第一章什么是神经网络？】
这应该是本站最好的人工智能资料库
本文由 EasyAI 原创，首发于 CSDN
⌚️ 欢迎点赞 收藏 ⭐留言 如有错误敬请指正！
未来很长，值得我们全力奔赴更美好的生活✋
介绍
一、内容会更新
本书将在新内容可用时继续更新。
本系列将持续免费提供给大家。
二、关于本书
2.1 太混乱
随着深度学习的显着发展，世界上充斥着与人工智能和机器学习相关的文章/视频。但是，其中很多是针对高级用户的，技术术语飞来飞去，初学者跟不上理解。
当我阅读书籍和技术文章时，我一直在想，“很难理解”。我相信你们中的许多人都有过同样的经历。
我认为现在需要的不是“能够掌握专业技术的工程师”，而是“能够以通俗易懂的方式传达专业知识的工程师”。
2.2 就是这个！我找不到任何让我感觉的内容
我看过很多关于深度学习的文章和视频，就是这样！我无法满足我所感受到的内容。为什么会动？我认为与这种“为什么”相对应的部分没有用易于理解的语言解释。
2.3 知识就是力量
最近，通过使用 Google 等服务可以轻松使用 AI。但是，很少有人知道其机制和原理的“基础”。知道的人和不知道的人差别很大。只需了解它的工作原理，您就可以根据自己的需要对其进行自定义、简化和优化，从而让自己与众不同。
2.4 这本书是?
本书以“世界上最容易理解的深度学习”为主题，旨在为初学者提供通俗易懂的内容。为了高效地获取知识，我认为最好从最不难的内容开始，逐一理解内容。
我会尽量用通俗易懂的语言解释。
我用了很多插图。
举很多具体的例子。
如果大家的理解更进一步，我会很高兴。
三、询问
如果您对内容有任何疑问，请在下方留言或者私信
第一章：什么是神经网络？
一、介绍
可以通过使用称为神经网络的机制来创建人工智能。
首先，我们介绍神经网络的基础知识。
我图解了很多，即使是超级初学者也能理解。我认为它比任何文章都更容易理解。
⚠️[阅读这篇文章你会学到什么]
1、什么是神经网络？
2、输入到神经网络的图像是如何创建的？
3、神经网络中的运动
此内容的目的是成为抓取图像的触发器。由于评论不完整，有些可能不准确。请注意。
二、什么是神经网络？
神经网络是一种创造人工智能的机制。人工智能可以通过构建神经网络来创建。
神经网络是由线连接的圆网络。神经网络通常缩写为 NN。 NN具有分层结构，从左到右分别称为 “输入层” 、“中间层” 和“输出层”。
当您将图像等输入到此 NN 中时，会根据输入信息（数字）执行各种计算。最终结果是通过像继电器一样连接数字而得出的。 NN做的计算主要是加法和乘法，所以没那么难。
让我们仔细看看 NN 内部发生了什么。这些圆圈被称为“神经元”。一个神经元有一个数字。
神经元的数量通过线前进到下一个神经元。这条线被称为“突触”。突触是数字的通路。如果你不记得这个区域的名字也没关系。
从一个神经元发送的数字通过突触添加到下一个神经元。当它们通过这个突触时，数字会发生变化。
突触处的这个数字称为 “权重” 。在这个例子中，3 乘以 2 并且 6 被传送到下一个神经元。
许多突触从一个神经元延伸。所有这些突触都有相同的数字。
但是，权重的值因路径而异。一个神经元的编号通过每个突触，乘以它自己的权重，然后添加到下一个神经元。这些权重表示来自前一个神经元的值对于下一个 神经元的“重要性” 。权重越高，该值对下一个神经元越重要。
在某些地方，数字是从几个神经元中携带的，然后添加到一个神经元中。数字的图像。在这种情况下，所有相加后的最终结果是“18”。
所有的神经元都这样做。这样，NN计算输入信息并像继电器一样将其连接起来以得出最终结果。
现在让我们仔细看看NN。
除了“输入到 NN 的值”（图像所具有的值）之外，“NN 本身最初具有的值”被添加到每个神经元中。这被称为“偏置”。添加偏置以控制该值。
偏置与权重类似，因为它控制值。每个神经元都有自己的偏置，并且是经过微调的图像。
收集到的数字被发送到下一个神经元，但数字不会继续移动。我们在一个神经元内部进行一次转换，然后转移到下一个神经元。这就像最后的润色。
发生在神经元内部的转换称为“激活函数”。它是一个图像，它稍微排列价值并将其发送到下一个。此激活函数可用于解决更复杂的预测和分类问题。
有几种类型的激活函数，并且为每一层确定要使用的激活函数。
总结
神经网络是一种创造人工智能的机制- NN 具有分层结构，从左至右分别称为
“输入层”、“中间层”和“输出层” 神经元内部是一个数字- 数字通过称为
突触的通路到达下一个神经元 “权重”在通过突触时成倍增加- 添加一个称为
“偏置”的数字来调整值 - 通过神经元中的
“激活函数”转换后，进行下一个神经元