什么是神经网络

神经网络(Neural Network,NN),源于对生物脑神经元结构的研究。神经网络是一种运算模型,由大量节点(神经元)相互联接构成。每个节点代表一种特定的输出函数,称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重。

基本概念

基于Tensorflow的NN:用张量表示数据,用计算图搭建神经网络,用会话执行计算图,优化线上的权重(参数),得到模型。

张量

张量就是多维数组(列表),用“阶”表示张量的维度。
1 阶张量称作向量,表示一个一维数组;
举例 V=[1,2,3]
2 阶张量称作矩阵,表示一个二维数组,它可以有i行j列个元素,每个元素可以用行号和列号共同索引到;
举例 m=[[1,2,3],[4,5,6],[7,8,9]]
判断张量是几阶的,就通过张量右边的方括号数,0个是0阶,n个是n阶,张量可以表示0阶到n阶数组(列表);
举例t=[ [ [… ] ] ]为3阶。

计算图(Graph)

搭建神经网络的计算过程,是承载一个或多个计算节点的一 张图,只搭建网络,不运算。

神经元

神经网络的基本模型是神经元,多个神经元组成的网络即为神经网络,神经元的基本模型其实就是数学中的乘、加运算。
avatar
x1、x2 表示输入,w1、w2 分别是 x1 到 y 和 x2 到 y 的权重,y=x1w1+x2w2。