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

网易云音乐：点击播放

喜马拉雅：点击播放

求打赏🙇如果你觉得 Ro【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.netbust 这样一档技术类的谈话节目还不错【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】，希望我继续做下去，不妨打赏支持。你可以【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】扫描本文下方的二维码打赏，也可以加我微信转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】后红包打赏。

以下是我的手稿原文：

1. 什么是人工智能？
   【作者：唐霜】 简单的讲，是要用信息技术模拟人的自然行本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。为，以辅助人类完成某些工作。
   【原创不易，请尊重版权】 它包含哪些内容？最起码：a 感受系统（【未经授权禁止转载】转载请注明出处：www.tangshuang.net传感器技术）b 认知系统（自然语言处理 【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】(NLP)，深度神经网络）c 决策系统（【本文首发于唐霜的博客】【本文首发于唐霜的博客】深度学习）d 响应系统（机器人技术）
原创内容，盗版必究。【访问 www.tangshuang.n【原创内容，转载请注明出处】未经授权，禁止复制转载。et 获取更多精彩内容】
2. 什么是机器学习？
   【本文首发于唐霜的博客】 我们现在讲机器学习，实际就是讲基于神经【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】网络的深度学习。它是人工智能的认知决策的【本文首发于唐霜的博客】【本文受版权保护】核心内容。
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.tangshua未经授权，禁止复制转载。【版权所有，侵权必究】ng.net【版权所有】唐霜 www.tangshu著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】ang.net原创内容，盗版必究。
3. 目前已经实现的领域有哪些？
   转载请注明出处：www.tangshua【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】ng.net 图像识别、自动驾驶、智能语音（同声传译【本文首发于唐霜的博客】未经授权，禁止复制转载。）、搜索、艺术创作、医学诊断、玩游戏
   未经授权，禁止复制转载。 语言中提到的搜索引擎 https://magi.com/
【转载请注明来源】【未经授权禁止转载】转载请注明出处：www.tangshua【原创不易，请尊重版权】未经授权，禁止复制转载。ng.net
4. 机器学习基本上可以分为三个类别: 监督学【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。习、非监督学习和强化学习。
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。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。
5. 对于前端同学（非数学专业）而言，如何用更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】简单的语言描述机器学习中遇到的复杂概念？
   本文版权归作者所有，未经授权不得转载。 对于复杂概念而言，它的本质是对具体描述【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。的抽象。它之所以难懂，是因为抽象程度高。【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】我们要做的，就是还原它的具体，我们先忘记原创内容，盗版必究。【原创不易，请尊重版权】这些概念，去搞明白抽象背后的具体描述。一【作者：唐霜】【版权所有】唐霜 www.tangshuang.net个概念，可以用不同的具体描述与之对应，我【版权所有，侵权必究】【原创不易，请尊重版权】们就用自己日常生活中最接近自己的具体事件本文作者：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。去描述，在没有概念的情况下，我们也能知道【转载请注明来源】【版权所有】唐霜 www.tangshuang.net，这个概念是在描述一件什么事。当我们反复【原创不易，请尊重版权】未经授权，禁止复制转载。用啰里八嗦的具体描述去阐释一个东西时，我【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。们自然而然，就会有强烈愿望用一个简单的概未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。念去描述它，这个时候，我们再来看，就会发【转载请注明来源】【版权所有，侵权必究】现原来这个概念就是这么回事。
【未经授权禁止转载】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。原创内容，盗版必究。
6. 那么我们如何用简单语言来描述“监督学习”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。这个概念呢？
   未经授权，禁止复制转载。 它的本质就是归纳法。
   【版权所有，侵权必究】 简单的说，你首先需要一堆数据【给定数据转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。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】【版权所有，侵权必究】实。其次，你需要有一个训练算法，通过这个【本文首发于唐霜的博客】【作者：唐霜】算法，找出这一堆数据的内在联系（一般用一【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】个函数来表示），这个东西就是训练的结果，本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】也就是我们常听见的模型。【训练阶段】最后【原创不易，请尊重版权】原创内容，盗版必究。，利用这个模型，去预测一个新给的参数所带【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】来的结果。【推理阶段】
   未经授权，禁止复制转载。 其中，训练算法是关键。它存在性能问题，未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net为什么呢？这和机器学习的范式（归纳法）有转载请注明出处：www.tangshuang.net【转载请注明来源】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】【版权所有】唐霜 www.tangshuang.net同。我们以前寻找一个最优解，考虑的是运算【转载请注明来源】【本文首发于唐霜的博客】最短路径和准确性，也就是在保证一定能找到【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net最优解的情况下，用最少的运算次数找到最优【作者：唐霜】转载请注明出处：www.tangshuang.net解。
   原创内容，盗版必究。 而机器学习皆然不同，它的预设是没有基本【访问 www.tangshuang.net 获取更多精彩内容】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【版权所有】唐霜 www.tangshuang.net【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，至于运本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】算的次数，要看运气，但一般而言，都是将所本文版权归作者所有，未经授权不得转载。【转载请注明来源】有可能遍历一边。我们传统的一些思考方法，【原创内容，转载请注明出处】【作者：唐霜】都是有预设和前提的，比如说，找出一组数中转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】，最小的值。用传统算法，我们在“找出最小本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】值”这个目标下，可以先将这些值进行分组，【转载请注明来源】【关注微信公众号：wwwtangshuangnet】每组最小的再比，或者通过冒泡算法之类的进转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net行排序，总之，我们很明确知道不同值之间它【转载请注明来源】【未经授权禁止转载】们存在的大小关系。
   原创内容，盗版必究。 但是，机器学习的前提是，它不知道两个值【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】谁大谁小。你需要先让它学习，比如说，1和原创内容，盗版必究。【原创内容，转载请注明出处】2，它事先不知道1和2谁大谁小，你需要告转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】诉它，你可以先告诉它这么一个集合[[1,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 2], [8, 199], [5, 9【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net2], [43, 1993], [234原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net, 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。【原创内容，转载请注明出处】个数组第一个值比第二个值小。这个集合就是【原创不易，请尊重版权】【转载请注明来源】训练集。它可以通过这个集合学习到 a-b未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】<0 的时候，表示a比b小。而这个【版权所有，侵权必究】【原创内容，转载请注明出处】 a-b<0 就是它的训练结果，将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来遇到任何两个数，它都能知道这两个数谁大原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。谁小。有了这个谁大谁小的前提，才能进行后【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。面的“找出最小值”的算法。
   本文作者：唐霜，转载请注明出处。 那么怎么进行训练呢？这里就涉及到“成本【本文受版权保护】未经授权，禁止复制转载。函数”“神经网络”等等概念。
转载请注明出处：www.tangshua【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。ng.net【转载请注明来源】
7. 什么是成本函数？
   【版权所有】唐霜 www.tangshu【原创不易，请尊重版权】【版权所有，侵权必究】ang.net 训练的本质，实际上就是求函数的系数的过未经授权，禁止复制转载。【原创不易，请尊重版权】程。比如，我们初中学习的一元二次方程，y【本文受版权保护】著作权归作者所有，禁止商业用途转载。=ax^2+bx+c，这个一元二次方程可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】以运用到的地方实在太多太多了。比如经典的本文作者：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。案例是“波特兰的房价”，一套房子大概能卖【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】多少钱呢？假设它受三个因素影响：地理位置【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。a，房子大小b，采光c。那么我们我们怎么【本文受版权保护】【作者：唐霜】知道 a, b, c 分别是多少呢？初中本文作者：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。求一元二次方程告诉我们，需要给我们三组x【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】, y，然后代来代去，最后算出 a, b原创内容，盗版必究。【作者：唐霜】, c。
   本文版权归作者所有，未经授权不得转载。 机器学习的训练过程中，没有求一元二次方【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net程这么高的智慧，它能干啥呢？它只能干最蠢转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】的事，你需要先知道三套或以上的房子的实际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】【版权所有，侵权必究】把所有的a, b, c可能的值，一个一个【关注微信公众号：wwwtangshuangnet】【本文受版权保护】的代入到方程中，然后计算出 x, y，然未经授权，禁止复制转载。原创内容，盗版必究。后去看，当前代入的 a, b, c 算出【本文受版权保护】本文版权归作者所有，未经授权不得转载。来的 x, y 是否和这三个 [x, y【版权所有，侵权必究】本文作者：唐霜，转载请注明出处。] 都匹配，如果找到一组 a, b, c【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。 正好让方程满足三个 [x, y]，那么本文版权归作者所有，未经授权不得转载。【转载请注明来源】说明这一组 a, b, c 就是我们要找【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。的解。
   转载请注明出处：www.tangshua【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】ng.net 机器学习就是这么蠢。
   著作权归作者所有，禁止商业用途转载。 那么什么是成本函数呢？现在，把上面这个【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。房价问题抽象成坐标轴中的数学问题。三套已未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】知房价就是平面坐标轴上的3个点。接下来，【本文首发于唐霜的博客】原创内容，盗版必究。机器学习假设a的范围是[0, 100],【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net b的范围是[0, 50]，c的范围[0原创内容，盗版必究。【作者：唐霜】, 10]，这里是先假设，假如再这个范围未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】没找到，我们再扩大范围。A, b, c 未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。的组合就有50000种可能，也就是在坐标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。系里面，可以画出50000条抛物线。那么著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。哪一条抛物线才是我们要的呢？就是去看这些【版权所有】唐霜 www.tangshuang.net【作者：唐霜】抛物线和已经画出来的那三个点。靠的最近的【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】，就是那一条。怎么靠的最近呢？在x 相同【未经授权禁止转载】【本文首发于唐霜的博客】的情况下，点的y值减去抛物线上的y值最小【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net，三个点都这么去计算，当然，为了避免正负【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。号问题，还可以相减之后求绝对值，这三个绝【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】对值相加最小的那一条抛物线，就是我们要找著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net的抛物线了。而这个算法，最终会变成一个 原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】f(a, b, c) 的函数，而这个函数【未经授权禁止转载】转载请注明出处：www.tangshuang.net，就是成本函数。
   【版权所有，侵权必究】 成本函数，决定了这次训练过程的性能，也本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。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。【版权所有】唐霜 www.tangshuang.netc，这个过程，运气不好的，可能比挖矿还要转载请注明出处：www.tangshuang.net【本文受版权保护】慢。
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。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。
8. 什么是神经网络呢？
   【原创不易，请尊重版权】 我们现在所说的神经网络，多半是指深度神转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。经网络。深度学习就是指基于深度神经网络的【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net机器学习。神经网络和深度神经网络就是程度【作者：唐霜】原创内容，盗版必究。上的不同，本质一样。
   未经授权，禁止复制转载。 神经网络和人脑神经元网络一样，每一个神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。经元都有自己处理信息的能力，通过树突接收【本文受版权保护】原创内容，盗版必究。信息，通过轴突输出信息。接收的信息可能来【转载请注明来源】【原创不易，请尊重版权】自另外一个神经元输出的信息。
   【原创内容，转载请注明出处】 在深度神经网络中，这些神经元被分层，每【访问 www.tangshuang.net 获取更多精彩内容】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【未经授权禁止转载】未经授权，禁止复制转载。个神经元。每一层输出的信息，可以被下一层【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。的任何神经元接收，这个根据需要来处理。
   【版权所有】唐霜 www.tangshu【转载请注明来源】【未经授权禁止转载】ang.net 核心就在于，每一个神经元所包含的算法，原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net以及这个神经元所得出结果的权重。算法工程【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net师在编程时，实际上就是在干这件事，首先安【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。排一个什么样的神经网络，其次，给网络中的转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。每一个神经元加入算法和权重，然后找一大堆【版权所有】唐霜 www.tangshuang.net【转载请注明来源】训练集，运行这个网络。
   【访问 www.tangshuang.n本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】et 获取更多精彩内容】 回到我们上面的房价问题。我们用穷举 a【未经授权禁止转载】【原创不易，请尊重版权】, b, c 的方法实在是太笨了。我们把【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】这个穷举过程改为用神经网络来处理的过程。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我们现在创建一个2层的神经网络。对于输入本文作者：唐霜，转载请注明出处。【作者：唐霜】而言，地理位置的权重最大，房子大小权重居【本文受版权保护】转载请注明出处：www.tangshuang.net中，采光条件权重最小。第一层网络要解决一【原创不易，请尊重版权】【未经授权禁止转载】件事，就是将训练集中的所有房子之间，a,【本文受版权保护】【版权所有】唐霜 www.tangshuang.net b, c 的关系转化为某个特殊逻辑关系【版权所有，侵权必究】【版权所有，侵权必究】，这个逻辑关系虽然是从已知的这些训练数据本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net中来，但是和训练数据已经完全没有关系了，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。从输入到输出这个过程，被称为“激活”。
   本文版权归作者所有，未经授权不得转载。 第二层网络要干一件事，就是将我们上面找【转载请注明来源】本文版权归作者所有，未经授权不得转载。到的逻辑关系再次进行运算，得到特定逻辑和【未经授权禁止转载】【未经授权禁止转载】房价之间的关系。
   未经授权，禁止复制转载。 至于中间的激活函数是什么，我们就不去纠【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。结了，这是算法工程师要写的东西。
   【转载请注明来源】 最终的效果是，通过这个两层的神经网络，【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net我们减少了找到 a, b, c 的时间，【未经授权禁止转载】【未经授权禁止转载】同时提高了准确率。
【访问 www.tangshuang.n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。et 获取更多精彩内容】【关注微信公众号：wwwtangshua本文作者：唐霜，转载请注明出处。【本文受版权保护】ngnet】【本文受版权保护】本文版权归作者所有，未经授权不得转载。
9. 什么是激活函数？
   转载请注明出处：www.tangshua本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】ng.net 在上面提到的过程中，原始输入值在输出之未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】后，为了方便下一层网络使用，我们都要对这【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】些不规则的结果值，进行归一化，一般都是将【作者：唐霜】【原创不易，请尊重版权】这些值转化为 [0,1] 或者 [-1,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】 1] 之间的小数，这样，我们可以非常容【转载请注明来源】著作权归作者所有，禁止商业用途转载。易的对两个值进行观察和处理，而不用考虑不本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】规则的数之间带来的差异。而负责这个转化过【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】程的算法被称为“激活函数”，激活函数的主【原创内容，转载请注明出处】【原创内容，转载请注明出处】要作用，实际上是将非线性的数转化为线性的原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】，也就是我们经常听到的“线性变换”。
   【本文受版权保护】 目前最常被提到的激活函数有 sigmo原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.netid, tanh, relu.
【版权所有，侵权必究】【版权所有】唐霜 www.tangshu【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。ang.net【版权所有】唐霜 www.tangshu本文作者：唐霜，转载请注明出处。【本文受版权保护】ang.net
10. 什么是模型？
    著作权归作者所有，禁止商业用途转载。 说白了，模型就是训练结果。也就是最前面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。，找出二元一次方程系数后，把这个二元一次【版权所有】唐霜 www.tangshuang.net【转载请注明来源】方程固定下来。另外一个人在要预测另外一套原创内容，盗版必究。【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【本文首发于唐霜的博客】【版权所有，侵权必究】接拿你训练的模型，也就是这个二元一次方程未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。，传入对应的x，得到y就结束了。
    【本文首发于唐霜的博客】 训练算法是得到模型的关键。前面说过，机本文版权归作者所有，未经授权不得转载。【本文受版权保护】器学习不是追求最准确，而是近似。所以，就【本文受版权保护】本文作者：唐霜，转载请注明出处。有一个算法调优的过程，也就是以更小的代价【原创不易，请尊重版权】【转载请注明来源】，得到更靠近准确值的 a, b, c 的【原创不易，请尊重版权】【本文首发于唐霜的博客】过程。算法工程师的功力，实际上就在算法调【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】优（发明或改进算法）的能力上。
【本文受版权保护】【未经授权禁止转载】【版权所有】唐霜 www.tangshu未经授权，禁止复制转载。【未经授权禁止转载】ang.net
11. 什么是卷积神经网络（CNN）？
    著作权归作者所有，禁止商业用途转载。 首先，什么是卷积？中文翻译的好，它包含【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。“卷”和“积”，积就是相乘，卷就是相加且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有反复连续不断的意思。卷积就是将要素值相本文作者：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。乘，然后将乘积相加的过程，相加多少次由计【未经授权禁止转载】本文作者：唐霜，转载请注明出处。算目的决定。不过，在相加过程中，实际上有原创内容，盗版必究。原创内容，盗版必究。一个衰变过程，也就是说，前面的乘积，在后未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】续的相加过程中，会衰变，对权重的影响不如【版权所有，侵权必究】未经授权，禁止复制转载。最新的积带来的效果大。它的本质，实际上，未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】就是加权叠加，通过加权叠加，我们可以找到【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。权重突出的要素。这也是卷积被应用到神经网未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】络中的原因之一。
    本文版权归作者所有，未经授权不得转载。 那么什么是卷积神经网络呢？深度神经网络【未经授权禁止转载】【原创内容，转载请注明出处】有很多层组成，每一层内包含很多神经元，层【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】与层之间有先后顺序。在众多神经网络中间，【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】有这么一种神经网络，里面包含了一个特殊的【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。层，这个层的主要作用是对输入值进行分组后原创内容，盗版必究。【本文受版权保护】相乘，然后通过激活函数进行归一化，而且，本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】这个神经网络很奇怪，这个特殊层有连续好多【本文首发于唐霜的博客】原创内容，盗版必究。个，只是里面的参数有稍微的调整。这种就是【版权所有，侵权必究】未经授权，禁止复制转载。卷积神经网络，而这个特殊层就是卷积层。当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。然，这里是一个缩减化的，实际上，在卷积神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】经网络中，连续重复的不是只有卷积层，而是【作者：唐霜】本文作者：唐霜，转载请注明出处。多个层，一般包括：卷积层、线性整流层（也【原创内容，转载请注明出处】【未经授权禁止转载】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】未经授权，禁止复制转载。用，以得到维度更小的特征）。而这些重复的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。层结束之后，还会有一个全连接层，将卷积结本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。果做最终的整合，得到最终的结果。
    【版权所有，侵权必究】 卷积神经网络在图像识别上取得了非常大的【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。成功。我们简单说一下，图像的本质是像素的【转载请注明来源】未经授权，禁止复制转载。组合。对图像识别，实际上就是对图像中事物本文作者：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。到已有知识库中进行匹配的过程。怎么在卷积本文作者：唐霜，转载请注明出处。【未经授权禁止转载】中做呢？首先，将图片像素RGB分别取出，转载请注明出处：www.tangshuang.net【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【作者：唐霜】著作权归作者所有，禁止商业用途转载。的正方形。现在有一个滤波器（一个3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】15;3的01矩阵），将原始R层切分为3著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】×3的网格，每一格拿出来和滤波原创内容，盗版必究。本文作者：唐霜，转载请注明出处。器每个位置相乘，然后将所有位置相加，就得【版权所有，侵权必究】【原创内容，转载请注明出处】到一个值，然后将所有格子相乘相加得到的值未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。组成一个新的矩阵，并通过激活函数，将上面本文版权归作者所有，未经授权不得转载。【本文受版权保护】的值归一化。按照上面的方法，再进行一次滤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波相乘相加。如此反复几次，就可以得到一个【本文受版权保护】本文作者：唐霜，转载请注明出处。经过归一化的很小矩阵，从而表达R层在某一【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。个特征（滤波器所表达的这个特征）上的值。【关注微信公众号：wwwtangshuangnet】【转载请注明来源】已同样的道理，再做其他层其他特征的卷积。【作者：唐霜】【版权所有】唐霜 www.tangshuang.net最终在全连接层对这些特征值进行分类匹配，【原创不易，请尊重版权】【本文首发于唐霜的博客】找出这张图片是车还是猫的可能性各自多大。
【访问 www.tangshuang.n【本文受版权保护】【版权所有，侵权必究】et 获取更多精彩内容】【版权所有】唐霜 www.tangshu转载请注明出处：www.tangshuang.net原创内容，盗版必究。ang.net【原创不易，请尊重版权】【关注微信公众号：wwwtangshua【本文受版权保护】【本文首发于唐霜的博客】ngnet】
12. 分类的重要性
    【原创不易，请尊重版权】 对样本进行分类，无论是监督学习（人为给未经授权，禁止复制转载。【本文受版权保护】出分类），还是非监督学习（人为不给分类，【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。只给出创建分类的方法），都极其重要。
    【版权所有，侵权必究】 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本文版权归作者所有，未经授权不得转载。据是什么？就是被预测的值被丢到哪一个分类【未经授权禁止转载】未经授权，禁止复制转载。中。例如股票预测中，通过机器学习，得出3【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】个分类，并对每一个分类采取不同的操作建议本文作者：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。。当你输入新的一支股票时，它就可以预测这【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】支股票属于不同分类的概率，并且你可以通过【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】最大概率的那个分类进行决策。
    【关注微信公众号：wwwtangshua本文作者：唐霜，转载请注明出处。【转载请注明来源】ngnet】 所以，机器学习的【推理阶段】本质就是给原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。目标进行分类的过程。而它进行分类的依据，未经授权，禁止复制转载。原创内容，盗版必究。就是来自【训练阶段】的结果，即模型。
本文作者：唐霜，转载请注明出处。原创内容，盗版必究。
13. 前端开发者如何学习机器学习？
    【版权所有，侵权必究】 前端开发者最擅长的是应用开发，而非算法未经授权，禁止复制转载。【原创内容，转载请注明出处】开发。所以，我觉得，要从应用开发开始，建【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。立兴趣。
    【访问 www.tangshuang.n著作权归作者所有，禁止商业用途转载。【本文受版权保护】et 获取更多精彩内容】 Tensorflow.js 是谷歌开源未经授权，禁止复制转载。原创内容，盗版必究。的机器学习框架，使用 Tensorflo【原创不易，请尊重版权】【作者：唐霜】w.js 可以使用 js 作为开发语言，【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net进行机器学习的开发。对于这个框架而言，我本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。们其实可以做两件事：a 纯作为一个第三方【转载请注明来源】未经授权，禁止复制转载。开发库，用来做应用开发；b 进行训练开发著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】，创建属于自己的模型。
    著作权归作者所有，禁止商业用途转载。 如果刚开始，我们可以不用它来做训练，而转载请注明出处：www.tangshuang.net【本文受版权保护】是只用一些已经公开的模型，来做应用开发。
    【转载请注明来源】 它的官方网站是 https://tensorflow.g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。oogle.cn/js 你可以在官网上找到它的接口，当然，用于本文版权归作者所有，未经授权不得转载。【作者：唐霜】训练的接口你可以先不管，可以先跟着官方的【转载请注明来源】本文作者：唐霜，转载请注明出处。入门文章，掌握如何利用官方公开的模型，做【作者：唐霜】未经授权，禁止复制转载。一些小案例，比如如何识别手写体数字等等。转载请注明出处：www.tangshuang.net【作者：唐霜】这段时间是疫情时期，大家都在家远程办公，【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】长时间坐着会不会带来健康问题，有一位腾讯【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net的小伙伴突发其想，利用人体骨架模型写了一【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】个监控坐姿的小应用，你可以通过 https://www.doverr.c【本文受版权保护】【原创内容，转载请注明出处】om/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴【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。趣可以自己去八一八。同样是人体骨架模型，【原创不易，请尊重版权】【版权所有，侵权必究】实际上，还有有其他的用法，比如我想到一个【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。点，就是通过对人体骨架的预测，来匹配背景转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net音乐，这样，可以让抖音背景音乐更匹配。
    【版权所有】唐霜 www.tangshu【作者：唐霜】【转载请注明来源】ang.net 在使用 tensorflow.js 实著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。现了一些应用之后，如果有兴趣，就可以学习【本文受版权保护】未经授权，禁止复制转载。它的训练api，同时深入去学习算法，编写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。自己的神经网络，创建自己的模型。
    【本文首发于唐霜的博客】 在小有成就感之后，就可以重新回头，开始著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。去研究机器学习算法，甚至重新学习高数来提【版权所有，侵权必究】【版权所有，侵权必究】升自己的算法能力。
本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshua【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.netng.net

2020-03-01 2799