机器学习是人工智能时代对于开发者而言，最【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】核心也是最近的领域。机器学习看上去是比较【作者：唐霜】转载请注明出处：www.tangshuang.net深，比较复杂的后端开发技术，被算法工程师【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。牢牢掌控着，前端开发者难道不能涉足吗？我【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】们真的要错过吗？如果我是前端开发者，如何著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】入门机器学习？要学 python 吗？我【版权所有，侵权必究】【本文受版权保护】不会怎么办？本期 Robust 我就带你未经授权，禁止复制转载。【作者：唐霜】来聊一聊机器学习。

网易云音乐：未经授权，禁止复制转载。点击播放本文作者：唐霜，转载请注明出处。

喜马拉雅：【未经授权禁止转载】点击播放【本文首发于唐霜的博客】

求打赏🙇如果你觉得 Ro未经授权，禁止复制转载。【作者：唐霜】bust 这样一档技术类的谈话节目还不错【转载请注明来源】【原创不易，请尊重版权】，希望我继续做下去，不妨打赏支持。你可以【转载请注明来源】【作者：唐霜】扫描本文下方的二维码打赏，也可以加我微信【未经授权禁止转载】转载请注明出处：www.tangshuang.net后红包打赏。

以下是我的手稿原文：本文版权归作者所有，未经授权不得转载。

1. 什么是人工智能？【本文首发于唐霜的博客】
   【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net 简单的讲，是要用信息技术模拟人的自然行【原创内容，转载请注明出处】【本文受版权保护】为，以辅助人类完成某些工作。
   转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】 它包含哪些内容？最起码：a 感受系统（【原创不易，请尊重版权】【本文受版权保护】传感器技术）b 认知系统（自然语言处理 本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】(NLP)，深度神经网络）c 决策系统（转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。深度学习）d 响应系统（机器人技术）
原创内容，盗版必究。【版权所有，侵权必究】【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】
2. 什么是机器学习？本文作者：唐霜，转载请注明出处。
   【作者：唐霜】【本文受版权保护】 我们现在讲机器学习，实际就是讲基于神经【本文受版权保护】【版权所有，侵权必究】网络的深度学习。它是人工智能的认知决策的未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。核心内容。
【版权所有，侵权必究】未经授权，禁止复制转载。未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】
3. 目前已经实现的领域有哪些？转载请注明出处：www.tangshuang.net
   【未经授权禁止转载】转载请注明出处：www.tangshuang.net 图像识别、自动驾驶、智能语音（同声传译【关注微信公众号：wwwtangshuangnet】【作者：唐霜】）、搜索、艺术创作、医学诊断、玩游戏
   【原创内容，转载请注明出处】【未经授权禁止转载】 语言中提到的搜索引擎 本文版权归作者所有，未经授权不得转载。https://magi.com/原创内容，盗版必究。
转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。
4. 机器学习基本上可以分为三个类别: 监督学【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net习、非监督学习和强化学习。
【本文受版权保护】本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。
5. 对于前端同学（非数学专业）而言，如何用更【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。简单的语言描述机器学习中遇到的复杂概念？
   【作者：唐霜】【版权所有，侵权必究】 对于复杂概念而言，它的本质是对具体描述【本文受版权保护】原创内容，盗版必究。的抽象。它之所以难懂，是因为抽象程度高。著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。我们要做的，就是还原它的具体，我们先忘记【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。这些概念，去搞明白抽象背后的具体描述。一【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。个概念，可以用不同的具体描述与之对应，我转载请注明出处：www.tangshuang.net【版权所有，侵权必究】们就用自己日常生活中最接近自己的具体事件原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】去描述，在没有概念的情况下，我们也能知道转载请注明出处：www.tangshuang.net【本文受版权保护】，这个概念是在描述一件什么事。当我们反复转载请注明出处：www.tangshuang.net【转载请注明来源】用啰里八嗦的具体描述去阐释一个东西时，我【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。们自然而然，就会有强烈愿望用一个简单的概【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。念去描述它，这个时候，我们再来看，就会发著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。现原来这个概念就是这么回事。
【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。【本文受版权保护】
6. 那么我们如何用简单语言来描述“监督学习”【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】这个概念呢？
   【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。 它的本质就是归纳法。【原创不易，请尊重版权】
   原创内容，盗版必究。【转载请注明来源】 简单的说，你首先需要一堆数据【给定数据【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】集，也被称为训练集】，这些数据都是客观事【未经授权禁止转载】原创内容，盗版必究。实。其次，你需要有一个训练算法，通过这个【转载请注明来源】【转载请注明来源】算法，找出这一堆数据的内在联系（一般用一【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。个函数来表示），这个东西就是训练的结果，本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。也就是我们常听见的模型。【训练阶段】最后【版权所有，侵权必究】【未经授权禁止转载】，利用这个模型，去预测一个新给的参数所带本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】来的结果。【推理阶段】
   【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。 其中，训练算法是关键。它存在性能问题，本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。为什么呢？这和机器学习的范式（归纳法）有【本文受版权保护】【本文首发于唐霜的博客】关。机器学习和我们以往寻找最优解的模式不【未经授权禁止转载】【本文受版权保护】同。我们以前寻找一个最优解，考虑的是运算【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】最短路径和准确性，也就是在保证一定能找到【转载请注明来源】【未经授权禁止转载】最优解的情况下，用最少的运算次数找到最优【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。解。
   【转载请注明来源】本文作者：唐霜，转载请注明出处。 而机器学习皆然不同，它的预设是没有基本【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。规则前提下的归纳方法，因此，通过机器学习原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】找到最优解不是精确的，而是近似的，至于运【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。算的次数，要看运气，但一般而言，都是将所原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】有可能遍历一边。我们传统的一些思考方法，本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。都是有预设和前提的，比如说，找出一组数中【版权所有】唐霜 www.tangshuang.net【作者：唐霜】，最小的值。用传统算法，我们在“找出最小【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net值”这个目标下，可以先将这些值进行分组，【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。每组最小的再比，或者通过冒泡算法之类的进本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】行排序，总之，我们很明确知道不同值之间它本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】们存在的大小关系。
   【本文首发于唐霜的博客】【本文首发于唐霜的博客】 但是，机器学习的前提是，它不知道两个值【原创不易，请尊重版权】【未经授权禁止转载】谁大谁小。你需要先让它学习，比如说，1和【转载请注明来源】【转载请注明来源】2，它事先不知道1和2谁大谁小，你需要告【版权所有】唐霜 www.tangshuang.net【作者：唐霜】诉它，你可以先告诉它这么一个集合[[1,著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】 2], [8, 199], [5, 9【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】2], [43, 1993], [234【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】, 93582], …]，然后告诉它每一本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。个数组第一个值比第二个值小。这个集合就是【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net训练集。它可以通过这个集合学习到 a-b【作者：唐霜】【本文首发于唐霜的博客】<0 的时候，表示a比b小。而这个【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。 a-b<0 就是它的训练结果，将【转载请注明来源】未经授权，禁止复制转载。来遇到任何两个数，它都能知道这两个数谁大转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。谁小。有了这个谁大谁小的前提，才能进行后著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。面的“找出最小值”的算法。
   【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】 那么怎么进行训练呢？这里就涉及到“成本【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net函数”“神经网络”等等概念。
【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。
7. 什么是成本函数？【版权所有】唐霜 www.tangshuang.net
   【本文首发于唐霜的博客】著作权归作者所有，禁止商业用途转载。 训练的本质，实际上就是求函数的系数的过转载请注明出处：www.tangshuang.net原创内容，盗版必究。程。比如，我们初中学习的一元二次方程，y【作者：唐霜】【转载请注明来源】=ax^2+bx+c，这个一元二次方程可本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】以运用到的地方实在太多太多了。比如经典的未经授权，禁止复制转载。【未经授权禁止转载】案例是“波特兰的房价”，一套房子大概能卖未经授权，禁止复制转载。【版权所有，侵权必究】多少钱呢？假设它受三个因素影响：地理位置【本文受版权保护】著作权归作者所有，禁止商业用途转载。a，房子大小b，采光c。那么我们我们怎么著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。知道 a, b, c 分别是多少呢？初中原创内容，盗版必究。【本文首发于唐霜的博客】求一元二次方程告诉我们，需要给我们三组x【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。, y，然后代来代去，最后算出 a, b原创内容，盗版必究。【未经授权禁止转载】, c。
   原创内容，盗版必究。转载请注明出处：www.tangshuang.net 机器学习的训练过程中，没有求一元二次方【转载请注明来源】【作者：唐霜】程这么高的智慧，它能干啥呢？它只能干最蠢原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】的事，你需要先知道三套或以上的房子的实际著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。价格，也就是知道三个以上 [x, y] 【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。把所有的a, b, c可能的值，一个一个原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】的代入到方程中，然后计算出 x, y，然【版权所有，侵权必究】【转载请注明来源】后去看，当前代入的 a, b, c 算出【本文首发于唐霜的博客】【原创内容，转载请注明出处】来的 x, y 是否和这三个 [x, y本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】] 都匹配，如果找到一组 a, b, c未经授权，禁止复制转载。【本文首发于唐霜的博客】 正好让方程满足三个 [x, y]，那么【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】说明这一组 a, b, c 就是我们要找未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。的解。
   【转载请注明来源】本文作者：唐霜，转载请注明出处。 机器学习就是这么蠢。本文作者：唐霜，转载请注明出处。
   【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】 那么什么是成本函数呢？现在，把上面这个【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。房价问题抽象成坐标轴中的数学问题。三套已著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。知房价就是平面坐标轴上的3个点。接下来，【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。机器学习假设a的范围是[0, 100],著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】 b的范围是[0, 50]，c的范围[0转载请注明出处：www.tangshuang.net【本文受版权保护】, 10]，这里是先假设，假如再这个范围未经授权，禁止复制转载。【原创不易，请尊重版权】没找到，我们再扩大范围。A, b, c 【转载请注明来源】本文版权归作者所有，未经授权不得转载。的组合就有50000种可能，也就是在坐标本文作者：唐霜，转载请注明出处。【作者：唐霜】系里面，可以画出50000条抛物线。那么【作者：唐霜】【未经授权禁止转载】哪一条抛物线才是我们要的呢？就是去看这些著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。抛物线和已经画出来的那三个点。靠的最近的本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net，就是那一条。怎么靠的最近呢？在x 相同【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net的情况下，点的y值减去抛物线上的y值最小【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。，三个点都这么去计算，当然，为了避免正负转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】号问题，还可以相减之后求绝对值，这三个绝未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】对值相加最小的那一条抛物线，就是我们要找【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net的抛物线了。而这个算法，最终会变成一个 【本文受版权保护】【关注微信公众号：wwwtangshuangnet】f(a, b, c) 的函数，而这个函数【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。，就是成本函数。
   【转载请注明来源】原创内容，盗版必究。 成本函数，决定了这次训练过程的性能，也【本文首发于唐霜的博客】【未经授权禁止转载】就是要花多少时间才能找到正确的 a,b,本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】c，这个过程，运气不好的，可能比挖矿还要【转载请注明来源】【原创内容，转载请注明出处】慢。
转载请注明出处：www.tangshuang.net【本文受版权保护】本文作者：唐霜，转载请注明出处。
8. 什么是神经网络呢？【版权所有，侵权必究】
   【原创不易，请尊重版权】【作者：唐霜】 我们现在所说的神经网络，多半是指深度神【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】经网络。深度学习就是指基于深度神经网络的【转载请注明来源】未经授权，禁止复制转载。机器学习。神经网络和深度神经网络就是程度转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】上的不同，本质一样。
   【原创内容，转载请注明出处】【转载请注明来源】 神经网络和人脑神经元网络一样，每一个神本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。经元都有自己处理信息的能力，通过树突接收转载请注明出处：www.tangshuang.net【版权所有，侵权必究】信息，通过轴突输出信息。接收的信息可能来【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net自另外一个神经元输出的信息。
   著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。 在深度神经网络中，这些神经元被分层，每著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。一层所负责的工作不一样，每一层可以包含多【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net个神经元。每一层输出的信息，可以被下一层本文版权归作者所有，未经授权不得转载。【转载请注明来源】的任何神经元接收，这个根据需要来处理。
   本文版权归作者所有，未经授权不得转载。【本文受版权保护】 核心就在于，每一个神经元所包含的算法，【本文首发于唐霜的博客】未经授权，禁止复制转载。以及这个神经元所得出结果的权重。算法工程【原创内容，转载请注明出处】【作者：唐霜】师在编程时，实际上就是在干这件事，首先安本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。排一个什么样的神经网络，其次，给网络中的【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net每一个神经元加入算法和权重，然后找一大堆著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。训练集，运行这个网络。
   【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net 回到我们上面的房价问题。我们用穷举 a著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。, b, c 的方法实在是太笨了。我们把原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】这个穷举过程改为用神经网络来处理的过程。【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】我们现在创建一个2层的神经网络。对于输入原创内容，盗版必究。【本文首发于唐霜的博客】而言，地理位置的权重最大，房子大小权重居原创内容，盗版必究。原创内容，盗版必究。中，采光条件权重最小。第一层网络要解决一【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】件事，就是将训练集中的所有房子之间，a,原创内容，盗版必究。【原创不易，请尊重版权】 b, c 的关系转化为某个特殊逻辑关系【原创不易，请尊重版权】【本文首发于唐霜的博客】，这个逻辑关系虽然是从已知的这些训练数据本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】中来，但是和训练数据已经完全没有关系了，【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】从输入到输出这个过程，被称为“激活”。
   【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】 第二层网络要干一件事，就是将我们上面找【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net到的逻辑关系再次进行运算，得到特定逻辑和本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。房价之间的关系。
   【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。 至于中间的激活函数是什么，我们就不去纠原创内容，盗版必究。【本文受版权保护】结了，这是算法工程师要写的东西。
   【关注微信公众号：wwwtangshuangnet】【作者：唐霜】 最终的效果是，通过这个两层的神经网络，【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net我们减少了找到 a, b, c 的时间，本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net同时提高了准确率。
【本文首发于唐霜的博客】【转载请注明来源】原创内容，盗版必究。未经授权，禁止复制转载。
9. 什么是激活函数？【本文首发于唐霜的博客】
   本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net 在上面提到的过程中，原始输入值在输出之【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net后，为了方便下一层网络使用，我们都要对这著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。些不规则的结果值，进行归一化，一般都是将著作权归作者所有，禁止商业用途转载。【作者：唐霜】这些值转化为 [0,1] 或者 [-1,【版权所有，侵权必究】【本文受版权保护】 1] 之间的小数，这样，我们可以非常容【本文受版权保护】本文版权归作者所有，未经授权不得转载。易的对两个值进行观察和处理，而不用考虑不未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net规则的数之间带来的差异。而负责这个转化过本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。程的算法被称为“激活函数”，激活函数的主【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】要作用，实际上是将非线性的数转化为线性的未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net，也就是我们经常听到的“线性变换”。
   【原创不易，请尊重版权】【原创不易，请尊重版权】 目前最常被提到的激活函数有 sigmo本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。id, tanh, relu.
未经授权，禁止复制转载。【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】未经授权，禁止复制转载。
10. 什么是模型？本文作者：唐霜，转载请注明出处。
    未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】 说白了，模型就是训练结果。也就是最前面【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。，找出二元一次方程系数后，把这个二元一次本文版权归作者所有，未经授权不得转载。【作者：唐霜】方程固定下来。另外一个人在要预测另外一套未经授权，禁止复制转载。【本文受版权保护】房子的时候，就不需要自己再去训练，而是直【本文受版权保护】本文版权归作者所有，未经授权不得转载。接拿你训练的模型，也就是这个二元一次方程【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】，传入对应的x，得到y就结束了。
    本文作者：唐霜，转载请注明出处。【转载请注明来源】 训练算法是得到模型的关键。前面说过，机【转载请注明来源】【原创不易，请尊重版权】器学习不是追求最准确，而是近似。所以，就【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。有一个算法调优的过程，也就是以更小的代价【本文首发于唐霜的博客】未经授权，禁止复制转载。，得到更靠近准确值的 a, b, c 的【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net过程。算法工程师的功力，实际上就在算法调【未经授权禁止转载】原创内容，盗版必究。优（发明或改进算法）的能力上。
【未经授权禁止转载】本文作者：唐霜，转载请注明出处。【转载请注明来源】原创内容，盗版必究。
11. 什么是卷积神经网络（CNN）？【版权所有】唐霜 www.tangshuang.net
    【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。 首先，什么是卷积？中文翻译的好，它包含本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net“卷”和“积”，积就是相乘，卷就是相加且【本文受版权保护】【原创不易，请尊重版权】有反复连续不断的意思。卷积就是将要素值相本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】乘，然后将乘积相加的过程，相加多少次由计转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。算目的决定。不过，在相加过程中，实际上有著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】一个衰变过程，也就是说，前面的乘积，在后本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】续的相加过程中，会衰变，对权重的影响不如【本文受版权保护】【未经授权禁止转载】最新的积带来的效果大。它的本质，实际上，【本文首发于唐霜的博客】【未经授权禁止转载】就是加权叠加，通过加权叠加，我们可以找到转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。权重突出的要素。这也是卷积被应用到神经网【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】络中的原因之一。
    未经授权，禁止复制转载。【原创内容，转载请注明出处】 那么什么是卷积神经网络呢？深度神经网络【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net有很多层组成，每一层内包含很多神经元，层转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。与层之间有先后顺序。在众多神经网络中间，转载请注明出处：www.tangshuang.net【版权所有，侵权必究】有这么一种神经网络，里面包含了一个特殊的【未经授权禁止转载】未经授权，禁止复制转载。层，这个层的主要作用是对输入值进行分组后【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。相乘，然后通过激活函数进行归一化，而且，原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。这个神经网络很奇怪，这个特殊层有连续好多【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】个，只是里面的参数有稍微的调整。这种就是本文作者：唐霜，转载请注明出处。【作者：唐霜】卷积神经网络，而这个特殊层就是卷积层。当转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。然，这里是一个缩减化的，实际上，在卷积神本文作者：唐霜，转载请注明出处。原创内容，盗版必究。经网络中，连续重复的不是只有卷积层，而是未经授权，禁止复制转载。原创内容，盗版必究。多个层，一般包括：卷积层、线性整流层（也【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net就是上面提到的激活函数）、池化层（衰减作【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net用，以得到维度更小的特征）。而这些重复的未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。层结束之后，还会有一个全连接层，将卷积结【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。果做最终的整合，得到最终的结果。
    【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。 卷积神经网络在图像识别上取得了非常大的著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】成功。我们简单说一下，图像的本质是像素的原创内容，盗版必究。【原创内容，转载请注明出处】组合。对图像识别，实际上就是对图像中事物本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net到已有知识库中进行匹配的过程。怎么在卷积本文版权归作者所有，未经授权不得转载。【作者：唐霜】中做呢？首先，将图片像素RGB分别取出，著作权归作者所有，禁止商业用途转载。【转载请注明来源】并通过补充的方式，得到一个3的整数倍长宽【本文受版权保护】未经授权，禁止复制转载。的正方形。现在有一个滤波器（一个3【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net15;3的01矩阵），将原始R层切分为3原创内容，盗版必究。本文作者：唐霜，转载请注明出处。×3的网格，每一格拿出来和滤波【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】器每个位置相乘，然后将所有位置相加，就得【本文首发于唐霜的博客】原创内容，盗版必究。到一个值，然后将所有格子相乘相加得到的值【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。组成一个新的矩阵，并通过激活函数，将上面【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net的值归一化。按照上面的方法，再进行一次滤本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。波相乘相加。如此反复几次，就可以得到一个【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。经过归一化的很小矩阵，从而表达R层在某一【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net个特征（滤波器所表达的这个特征）上的值。转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。已同样的道理，再做其他层其他特征的卷积。【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】最终在全连接层对这些特征值进行分类匹配，本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】找出这张图片是车还是猫的可能性各自多大。
【原创不易，请尊重版权】【版权所有，侵权必究】原创内容，盗版必究。
12. 分类的重要性未经授权，禁止复制转载。
    转载请注明出处：www.tangshuang.net【转载请注明来源】 对样本进行分类，无论是监督学习（人为给原创内容，盗版必究。【原创不易，请尊重版权】出分类），还是非监督学习（人为不给分类，【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。只给出创建分类的方法），都极其重要。
    【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。 机器学习的目标，是要做出决策。决策的依【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】据是什么？就是被预测的值被丢到哪一个分类原创内容，盗版必究。【本文受版权保护】中。例如股票预测中，通过机器学习，得出3【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net个分类，并对每一个分类采取不同的操作建议原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net。当你输入新的一支股票时，它就可以预测这未经授权，禁止复制转载。【本文受版权保护】支股票属于不同分类的概率，并且你可以通过转载请注明出处：www.tangshuang.net【转载请注明来源】最大概率的那个分类进行决策。
    著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】 所以，机器学习的【推理阶段】本质就是给【本文受版权保护】【作者：唐霜】目标进行分类的过程。而它进行分类的依据，【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】就是来自【训练阶段】的结果，即模型。
【作者：唐霜】本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】
13. 前端开发者如何学习机器学习？未经授权，禁止复制转载。
    本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】 前端开发者最擅长的是应用开发，而非算法转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net开发。所以，我觉得，要从应用开发开始，建转载请注明出处：www.tangshuang.net【本文受版权保护】立兴趣。
    【本文首发于唐霜的博客】【本文受版权保护】 Tensorflow.js 是谷歌开源【原创不易，请尊重版权】未经授权，禁止复制转载。的机器学习框架，使用 Tensorflo【转载请注明来源】【版权所有】唐霜 www.tangshuang.netw.js 可以使用 js 作为开发语言，【作者：唐霜】本文作者：唐霜，转载请注明出处。进行机器学习的开发。对于这个框架而言，我未经授权，禁止复制转载。【作者：唐霜】们其实可以做两件事：a 纯作为一个第三方【版权所有，侵权必究】【未经授权禁止转载】开发库，用来做应用开发；b 进行训练开发【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。，创建属于自己的模型。
    本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。 如果刚开始，我们可以不用它来做训练，而【本文受版权保护】未经授权，禁止复制转载。是只用一些已经公开的模型，来做应用开发。
    【作者：唐霜】未经授权，禁止复制转载。 它的官方网站是 转载请注明出处：www.tangshuang.nethttps://tensorflow.g【转载请注明来源】转载请注明出处：www.tangshuang.netoogle.cn/js 你可以在官网上找到它的接口，当然，用于著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】训练的接口你可以先不管，可以先跟着官方的【本文受版权保护】【版权所有，侵权必究】入门文章，掌握如何利用官方公开的模型，做著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net一些小案例，比如如何识别手写体数字等等。【本文首发于唐霜的博客】【作者：唐霜】这段时间是疫情时期，大家都在家远程办公，【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。长时间坐着会不会带来健康问题，有一位腾讯著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】的小伙伴突发其想，利用人体骨架模型写了一原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。个监控坐姿的小应用，你可以通过 https://www.doverr.c【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.netom/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。趣可以自己去八一八。同样是人体骨架模型，本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。实际上，还有有其他的用法，比如我想到一个【未经授权禁止转载】【版权所有，侵权必究】点，就是通过对人体骨架的预测，来匹配背景原创内容，盗版必究。【本文受版权保护】音乐，这样，可以让抖音背景音乐更匹配。
    著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。 在使用 tensorflow.js 实【本文受版权保护】【原创不易，请尊重版权】现了一些应用之后，如果有兴趣，就可以学习【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net它的训练api，同时深入去学习算法，编写未经授权，禁止复制转载。【版权所有，侵权必究】自己的神经网络，创建自己的模型。
    原创内容，盗版必究。【版权所有，侵权必究】 在小有成就感之后，就可以重新回头，开始【转载请注明来源】原创内容，盗版必究。去研究机器学习算法，甚至重新学习高数来提【本文首发于唐霜的博客】【本文首发于唐霜的博客】升自己的算法能力。
原创内容，盗版必究。未经授权，禁止复制转载。【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。

2020-03-01 2616