深度学习是现在最火的AI技术之一，其基本原理就是构建一张含有多层的神经元网络，经过带有标签的数据的训练后，将这张网络拟合出符合问题解的函数。
深度学习之三步走：
首先，你得定义出这个问题，明确这个问题的输入输出是什么。
然后，设计出符合问题的神经网络。
再者，经过数据的训练后，凑出输入输出之间的映射关系即函数。
举个例子，对于今天小明是否出门这个问题，由三个因素决定，是否下雨、是否心情好，是否有人约。
- 输入：
- 是否下雨
- 是否心情好
- 是否有人约
- 输出：
- 是否出门
我们的目的就是找出这个输入到输出的映射关系。
对于这么简单的问题，我们用简单的神经网络，即一个神经元。
该神经元的结构是
- 输入层：对应三个输入，这三个输入分别包含三个权重（权重的意思就是这个输入对于问题的重要性）
- 输出层：只有一个输出。
然后，我们就得让这个神经元见识大量的小明出门的数据，让他对小明是否出门做出判断并告诉他判断的对错。经过我们不断的告诉他对错，就好像老师一样指导他，直到他回答问题越来越准。
那么我们就找出来能解决这个问题的神经网络啦。
这一整个过程就叫做深度学习。之所以叫深度学习，因为复杂的问题会用到很多个神经元，即层次很多很深的神经网络）。
关于我：
linxinzhe，全栈工程师，目前供职于某世界500强银行的金融科技部门（人工智能，区块链）。
GitHub:https://github.com/linxinzhe
欢迎留言讨论，也欢迎关注我~
我也会关注你的哦！
网友评论