本人外贸狗一枚。 外贸惨呐，白天联系车间生产，晚上回家和国外客户沟通。TMD老板还要求每天在alibaba发30个listing。你说好好的一个销售，有业绩不就行了，居然还有这种KPI，真是是可忍孰不可忍。

不过这也难不倒我，拿出当年大航海时代，从伊比利亚半岛开船去北非海岸挖矿的精神，重新拾起按键精灵开始发产品。（看，谁说网游害人，大航海时代ol不就教会我用脚本采矿么。。。呃，呸，是提高生产效率）

一入豪门深似海，动起了偷懒的歪念头，慢慢的python、selenium也就学起来了。虽然产品发地快了，alibaba会提示输入验证码。但就算慢一点发，一晚上发上千个listing还是很轻松的，一天30个的KPI？哼，米粒之珠，也敢与日月争辉。

虽然发listing方便了，但验证码这个问题也在心里埋下了根刺，上星期手贱又百度了下，结果发现训练围棋AlphaGo的tensorflow居然可以识别验证码，网上还这么多的教程。对于我这个专业文科30年的大叔来说，这么高端酷炫屌朝天的东西，这么多教程居然触手可得，必须得果断入坑。

嗯，真实感受就是入坑，因为我找了很多教学视频，感受都是这样：

大神：好了，我们开始从头开始讲解，首先，1+1=2，2+2=4，……

我：很简单嘛，喝口水先。

大神：所以，@#¥%&*！#¥%&*！##¥#……

我：等等，我忽略了什么？赶紧后退重听。嗯，果真每个音都听到了，只是完全不知道这个音对应哪个词而已。

于是，就有了写这个文章的动力，因为大概一个星期的时间，6天都在找能看的懂的资料，剩下1天才用来初步了解神经网络是什么一回事。所以我把这一个星期找到的，对于我这个初级者有用的资料整理出来，帮助和我一样的老年文科生零基础入门。

既然是零基础，有多零呢？这么说吧，一个小时前，我还在看学而思的高中数学视频，正看到点到直线的距离公式。

嗯，高中，嗯，捂脸。。

所以，真的很零。

一、Python入门

既然是编程，那编程语言一定要会一门。不要挑了，人生苦短，你要学Python。这里推荐传智播客的视频教程

我是在youtube上看的，传智播客的Python14天基础班。如果不能科学上网，估计其他的网站也有。

网上的教程很多，但要么是大神讲天书，跳过N多我们不理解的步骤，要么是玩票兴致，几分钟浅进浅出、科普而已。传智播客的N个教程，感觉都很好，是真的把人当傻子般系统的教学。从 cd dir查看目录等系统操作教起，而且整个基础班系列只要14天就可以学完。每天不过2个多小时。

二、如何理解神经网络

不过既然从百度中搜到这篇文章，你肯定已经会python等语言了。那么首先推荐看一下周莫烦的教学视频：Tensorflow 搭建自己的神经网络 (莫烦 Python 教程)

从第一集“什么是神经网络”看到第6集“如何安装tensorflow”就好了，一集5分钟，半小时看完。后面的视频是给有一定基础的人看的，直接看就会像我一样，云里雾里，对自己的智商产生深刻的怀疑。

这也是很多大神视频的通常情况，他们通常会省略那些“傻子”都会的问题，但对于我这种文科生而言，傻子呓语亦犹如天书。

连续看了4 5个人的视频，没一个我能看懂。每一个都是上一集在讲如何安装tensorflow，下一集就手把手的教你写2层神经网络。我还不知道什么是神经网络，什么是神经元啊！怎么就讲起如何构建2层神经网络了。而且为啥是2层、不是3层？不是1层？怎么一言不合写代码了。。。而且是一边写代码，一边随口解释，写完代码教程就结束了？？真真是感受到了理科世界的恶意。。。

然后本来都要放弃了，幸好发现了这片文章：

神经网络入门----阮一峰的网络日志

看完这篇，我才知道了，神经网络到底是怎么回事，才知道大神们在视频中到底是做什么。。。

这篇文章的主要内容来自：

Neural Networks and Deep Learning

在辛辛苦苦的看了半天英文版之后，突然想起来，这是1年前的教材，肯定有人已经翻译了啊，于是又在CSDN上找到了中文翻译版：

《神经网络与深度学习》

20个积分就可以下载，记住，不要下载那个便宜的、冒充中文版的PDF，现在的人真是没底线啊，可怜我一共才几十个积分。。。

三、思路与实现

其实看了上面的神经网络入门，就应该有了基本的神经网络思路了。我们再拓展一下，假设周末出门，我们有3个种选择，

y1去正大广场看LOL比赛，

y2去植物园踏青，

y3楼下花园散步。

影响我们判断的因素还是

x1天气情况，

x2交通情况，

x3是否有人相陪。

以及x1 x2 x3因素的权重W、负阈值b等。（如上图所示）

同样是下雨，对于我去看室内比赛 和 野外踏青的影响是不同的，所以权重W不同。每件事情在我心里的重量不同，所以阈值b不同。

即，3个y是对应着3组不同的（w1 w2 w3 b），即

y1 = w1,1 * x1 + w1,2 *x2 + w1,3 *x +b

y2 = w2,1 * x1 + w2,2 *x2 + w2,3 *x +b

y3 = w3,1 * x1 + w3,2 *x2 + w3,3 *x +b

假设：

在过去的一年中，有52个周末，我作出了52次选择。这52次选择就是y1 y2 和y3；这52个周日的天气情况、交通状况、朋友相约次数这3个x都记录在案。那么神经网络会根据y 和 x 通过反复计算，获得每个y对应的3个W 和1个b的值。

那么，下一个周末，给出天气、交通、朋友这3个x1 x2 x3 ，神经网络就可以用套上9个W 和3个b，计算出y1,y2,y3的值，最大的那个y就是我周末的最优选择。

同理，城市预测周末出行人数，也是这个道理。

sigmoid函数

好，在看神经网络入门中，会产生一个疑问，可以用简单的1 和 0来表示x吗？比如，有没有朋友相约，有就是1，没有就是0。但如果是天气，晴天、阴天、刮风、下雨，对于我周末出门选择是有不同的影响，不能用简单的1和0表示。入门中，介绍了sigmoid函数。可以用sigmoid函数，计算晴天阴天刮风下雨等情况，给出一个0-1的天气值作为那个x1。

softmax函数

但神经网络入门这篇中只举例一个情况，去不去参加动漫展览，即只有一个y。那只要Y大于0，就可以去看动漫展览了。

但实际情况更可能是上面我举的例子，周末有y1 y2 y3等多种选择。如果y1=30，y2=10，y3=2。我们当然是选y1。但如果y1=30，y2=28，y3=9，让我们做选择，在一年的52个周末里，我们真的是选择52次y1，而不去选择一次y2吗？

真实世界中，如果两件事差不多，y1=30  y2=28，我们恐怕会去踏青几次吧，而不是100%选lol。

那30，10，2，或者30 28 9这样的数值中如何选择最合理的最大值呢？这里就是softmax软最大值函数的舞台了。

关于softmax可以看一下极客学院的MINIST机器学习入门，然后再百科下，更详细。softmax可以根据每个值的大小，推算出概率，比如30 10 2中，30的概率是0.999999，无限接近于1了；而 30 28 9中，30的概率0.88，28的概率0.11，9无限接近0。

理解了神经元工作方式，和sigmoid、softmax等函数。就可以用tensorflow完成这个思路了。

四、大数据与矩阵

上面说过，一年中，我们有52个周末的记录，即52个 y1y2y3 和52个 x1x2x3。那我们怎么输入这么大的数据计算呢？

总不能手打这52*3个公式吧？如果是一个城市，几十万个出行数据需要计算，手打几十万个y=wx+b，还不要累死？

这就涉及到数据是怎么在电脑中储存的。

假设只有一个影响因素x，一个选择y：

即，y = w*x +b

一年52个周末，外出用1表示，家里蹲用0表示，那么y就是一个由0和1组成，共52个0和1的列表—— [0，0，……，1，1] 

（试着想象一个excel表格，第一个格子写着出行记录，后面跟着52个格子，分别写着0，0，……0，1，1）

x天气情况是[0，0.3，……，0，0.9] （共计52个0-1之间的数值）

权重Weights是w，负阈值是 b 。

所以我们只要有一种运算方式，可以计算w* [0，0.3，……，0，0.9]   + b 的值（w*x+b），

并且电脑经过反复猜测w、b的值，

最终使得 w*[0，0.3，……，0，0.9]+b 约等于y的[0，0，……，1，1] 了，

那么就求出权重和负阈值了。

这种1个数和一组数、一组数和另一组数之间的加减乘除就是矩阵了。

还是解释的太烂，推荐走起。

首先是 阮一峰的网络日志 理解矩阵乘法，这个真的很不错，必看。

然后是 B站上学而思的60小时学完高中数学，推荐全部看完，但如果你和我一样，白天晚上都要挤时间，那就看41-45好了，不做习题的话1个小时就可以看完。

最后是 18张宇线性代数基础班+强化班，看第8P就可以了，半小时。

看完后，数学方面矩阵的内容就初步了解了。剩下的就是怎样在编程中怎么实现对应的操作。比如，两个数字相乘，在电脑中用*星号表示“乘”，两个矩阵相乘，用np.matmul(w,x)表示。

这里推荐周莫烦的 Numpy & Pandas (莫烦 Python 数据处理教程)

只看前半段Numpy就可以了。Numpy是关于python中矩阵操作的库。也很快，1个小时吧。

其实他还有个matlibplot画图教学，也挺有意思的，推荐顺便看下。

五、最后实践

好，那到这里，你应该已经基本可以独立完成神经网络的入门MINIST操作了。MINIST包含了6+1万个手写阿拉伯数字，来自美国人口普查局2组共计500人的手写记录。

手写文字识别、人脸识别之类的事情对于人类来说很简单，睁眼就会。但对于传统编程来说，这事难于登天。所幸机器学习解决了这个问题。

在所有机器学习的项目中，手写文字识别最经典，也对电脑配置的要求最低，我是一台air上网本，没有GPU，识别MINIST也就是7 8秒的事。所以MINIST被各个教材、视频用来入门教学。

所以，如果之前的视频你都多看几集，那么tensorflow的基本操作Variable， Placeholder，feed_dict等等你应该已经都会了。可以自己动手完成MINIST了。

如果没看，推荐youtube上炼数成金的tensorflow十课中的第二课，讲的是创建变量、占位符、fetch、feed等，不能上外网的话，周莫烦的视频中也讲了一部分。

不过他们都是只讲了自己代码中用到的部分，这里有个博客tensorflow基础命令，写的比较全。

学会基本操作，再结合上文的《神经网络与深度学习》和极客学院的MINIST机器学习入门，应该是真的、真的、真的零障碍入门了。

当然，你也可以像我一样，从廖雪峰的官方网站上下载一段pillow代码，自己生成0-9的随机数字，自己破解，更有意思。感觉自己就要破解验证码，当上CEO，迎娶白富美，走上人生巅峰了。想想还有点小激动呢！

原文地址