人人都看得懂的神经网络,如何形象直观地理解深度学习

最近看到一组漫画 ,解释了深度学习的原理。什么是深度学习?下图表示了深度学习与机器学习的关系,可见深度学习是属于机器学习的一种,但是中间的推理过程是类似于人脑的神经元的构成,而机器学习更像是一棵树状的规则来推理。
深度学习可以做什么?
神经元的运行原理,经典是是MNIST手写数字识别,我们需要利用神经网络教会电脑识别手写数字。
比如下图,我们会采用尺寸为28X28,共784个像素的图片作为输入:
神经网络通过几层、若干的神经元学习,学习到如何把这784个像素分类到0-9的哪一个类别里。
学习的过程实际上是,为神经网络的连线以及每个神经元赋值的过程:
以上是这组漫画表达的概念。结合我的实践,最近给学生讲课的时候,我用了一个工具,就是谷歌的playground.tensorflow,通过直观的可视化的方式,演示了各种类型的数据集,在特征多少、网络深度、网络宽度
(神经元数量)方面的表现。
关键是每个神经元学习到了什么特征,也是一目了然,中间通过粗细的线条,表示神经元之间的权重关系,最后综合出来一个分类结果
这就是神经网络~
神经网络强大之处在于,我们根本不需要想出各种各样的特征,用来输入给系统。我们只需要输入最基本的特征x1, x2, 然后给予足够多的神经网络和神经元,神经网络会自己学习到最有用的特征。
有了直观的感受,学习深度学习再也不难了~~

如果对智能设计感兴趣,
推荐订阅我的星球1年。
(0)

相关推荐