【2022吴恩达机器学习】学习笔记神经网络部分2.0

神经网络

3.1如何用代码实现推理

• 例1：烤咖啡豆，如何知道200度烤17分钟是否会产生好咖啡？

三角框内都能产生好咖啡

x是输入值，用Dense函数来建立一个有3个神经元的第一层，并使用Sigmoid作为激活函数；把x输入第一层a1；同样的方法建立第二层并把第一层的结果输入到第二层；最后判断最终结果。

• 例2：手写数字分类模型

x是像素强度值的列表。

3.2Tensorflow中数据形式

Tensorflow是如何表示数据的？

 

单括号代表一维向量，只是一个数字列表，当使用线性回归和逻辑回归时，使用一维向量来表示输入特征x；对于TensorFlow，使用矩阵来表示数据 。

a1代表1*3的矩阵，.Tensor为TensorFlow表示矩阵的一种方式，.numpy表示可以转换回Numpy数组。

a2代表1*1的矩阵。

3.3搭建一个神经网络

直接把dense写在sequential里，不再显示的写layer_1、layer_2了

4.1单个网络层上的前向传播(python神经网络建模)

如何实现？

如图上标1表示的是第一层，下标1表示的是该层的第一个神经元；x为一维数组，不是二维矩阵；之后会讲到反向传播算法，wb先设定初始值（随机），之后根据训练样本从后向前更新参数；疑问：w2_1应该有三个元素才能和a1进行点积运算，为什么图片上是两个元素？

                           a1=np.array([a1_1,a1_2,a1_3])

4.2前向传播的一般实现（代码展示）

shape是numpy数组的一个属性，是tuple结构，shape[0]是行数，shape[1]是列数；大写W是一个矩阵。

5.1强人工智能

狭义AI（ANI）：只能处理特定问题

广义AI（AGI）：能够处理各种问题

通过自然语言处理正在逐渐实现广义AI，比如最近Google的LaMDA具有感情的新闻。

用np实现矩阵乘法