20.机器学习- 神经网络中的网络层

1. 简单的神经网络

第一层

上面这个神经网络展示的是一个隐藏层和一个输出层。

我们输入四个变量到输入层，然后这个输入层有三个神经单元，每个神经单元室一个逻辑函数。

然后就会输出三个值，给到输出层，最终给一个总值。

我们在变量的右上角以一个中括号里的数字来标识神经网络层数。

第二层

2. 复杂的神经网络

3. 神经网络向前传播

把所学的整合到一个算法中，让神经网络进行推测或者预测，这个算法叫做向前传播。

3.1 手写数字判断

4. 如何用代码实现推理

举个例子，比如烘焙咖啡豆的时候，温度和持续时间是两个很重要的参数，我们看上图，如果温度过低那么显然是会导致咖啡豆没有熟，如果持续时间过少，也是一样的道理。如果持续时间或者温度过高就会导致咖啡豆烤过头。

那么得到中间三角区域的数据才是我们真正需要机器学习的。

解读一下前三行：

• 1. 创建一个二维数组
• 2. 创建一层神经网络，其中有3个单元，激活函数使用sigmoid也就是逻辑回归函数。
• 3. 将x的数据代入到神经网络中计算。

我们回到手写数字识别的问题中：

就可以这么写：

Tensorflow中的数据形式

Tensorflow惯用的是二维以及以上的数字矩阵，因为Tensorflow是被设计用来处理非常大的数据集的。

而第三种写法只是一个线性的数组，既不是1行2列的矩阵也不是1列2行的矩阵。

1.numpy与Tensorflow中数据形式的不兼容

在矩阵的表示上，两者不一样。

如果要将tensor转换为adarray需要使用a1.numpy()函数来转换。

所以在使用numpy与Tensorflow的时候，我们一般都使用numpy来处理数据，然后将numpy数组传入Tensorflow时，Tensorflow喜欢将其转为自己的内部格式。