机器学习是人工智能时代对于开发者而言，最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】核心也是最近的领域。机器学习看上去是比较【原创不易，请尊重版权】【未经授权禁止转载】深，比较复杂的后端开发技术，被算法工程师【转载请注明来源】著作权归作者所有，禁止商业用途转载。牢牢掌控着，前端开发者难道不能涉足吗？我【转载请注明来源】【版权所有，侵权必究】们真的要错过吗？如果我是前端开发者，如何原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。入门机器学习？要学 python 吗？我【本文受版权保护】本文作者：唐霜，转载请注明出处。不会怎么办？本期 Robust 我就带你【本文受版权保护】【原创内容，转载请注明出处】来聊一聊机器学习。
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【版权所有】唐霜 www.tangshuang.net 本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】网易云音乐：点击播放
【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net喜马拉雅：点击播放
原创内容，盗版必究。【作者：唐霜】原创内容，盗版必究。【未经授权禁止转载】求打赏🙇如果你觉得 Ro【转载请注明来源】转载请注明出处：www.tangshuang.netbust 这样一档技术类的谈话节目还不错著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。，希望我继续做下去，不妨打赏支持。你可以【本文受版权保护】【本文受版权保护】扫描本文下方的二维码打赏，也可以加我微信【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】后红包打赏。
原创内容，盗版必究。【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。以下是我的手稿原文：
【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。- 什么是人工智能？
【未经授权禁止转载】 简单的讲，是要用信息技术模拟人的自然行转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net为，以辅助人类完成某些工作。
著作权归作者所有，禁止商业用途转载。 它包含哪些内容？最起码：a 感受系统（【原创内容，转载请注明出处】【版权所有】唐霜 www.tangshuang.net传感器技术）b 认知系统（自然语言处理 【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】(NLP)，深度神经网络）c 决策系统（本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net深度学习）d 响应系统（机器人技术） 【转载请注明来源】本文版权归作者所有，未经授权不得转载。【转载请注明来源】本文版权归作者所有，未经授权不得转载。
- 什么是机器学习？
原创内容，盗版必究。 我们现在讲机器学习，实际就是讲基于神经【原创不易，请尊重版权】【原创内容，转载请注明出处】网络的深度学习。它是人工智能的认知决策的【作者：唐霜】【原创不易，请尊重版权】核心内容。 著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。
- 目前已经实现的领域有哪些？
本文版权归作者所有，未经授权不得转载。 图像识别、自动驾驶、智能语音（同声传译本文作者：唐霜，转载请注明出处。原创内容，盗版必究。）、搜索、艺术创作、医学诊断、玩游戏
本文作者：唐霜，转载请注明出处。 语言中提到的搜索引擎 https://magi.com/ 著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】
- 机器学习基本上可以分为三个类别: 监督学转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。习、非监督学习和强化学习。 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。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。
- 对于前端同学（非数学专业）而言，如何用更【版权所有，侵权必究】本文作者：唐霜，转载请注明出处。简单的语言描述机器学习中遇到的复杂概念？
【作者：唐霜】 对于复杂概念而言，它的本质是对具体描述转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】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。本文作者：唐霜，转载请注明出处。我们要做的，就是还原它的具体，我们先忘记【版权所有】唐霜 www.tangshuang.net【作者：唐霜】这些概念，去搞明白抽象背后的具体描述。一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。个概念，可以用不同的具体描述与之对应，我【转载请注明来源】【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。去描述，在没有概念的情况下，我们也能知道本文版权归作者所有，未经授权不得转载。【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。用啰里八嗦的具体描述去阐释一个东西时，我【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】们自然而然，就会有强烈愿望用一个简单的概【未经授权禁止转载】未经授权，禁止复制转载。念去描述它，这个时候，我们再来看，就会发【关注微信公众号：wwwtangshuangnet】【本文受版权保护】现原来这个概念就是这么回事。 本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】原创内容，盗版必究。【本文受版权保护】
- 那么我们如何用简单语言来描述“监督学习”原创内容，盗版必究。【本文首发于唐霜的博客】这个概念呢？
著作权归作者所有，禁止商业用途转载。 它的本质就是归纳法。
【原创内容，转载请注明出处】 简单的说，你首先需要一堆数据【给定数据【转载请注明来源】【未经授权禁止转载】集，也被称为训练集】，这些数据都是客观事【转载请注明来源】未经授权，禁止复制转载。实。其次，你需要有一个训练算法，通过这个转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】算法，找出这一堆数据的内在联系（一般用一本文作者：唐霜，转载请注明出处。【作者：唐霜】个函数来表示），这个东西就是训练的结果，【本文受版权保护】著作权归作者所有，禁止商业用途转载。也就是我们常听见的模型。【训练阶段】最后著作权归作者所有，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。，利用这个模型，去预测一个新给的参数所带【版权所有】唐霜 www.tangshuang.net【作者：唐霜】来的结果。【推理阶段】
【本文受版权保护】 其中，训练算法是关键。它存在性能问题，【本文受版权保护】著作权归作者所有，禁止商业用途转载。为什么呢？这和机器学习的范式（归纳法）有【本文受版权保护】转载请注明出处：www.tangshuang.net关。机器学习和我们以往寻找最优解的模式不未经授权，禁止复制转载。【版权所有，侵权必究】同。我们以前寻找一个最优解，考虑的是运算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。最短路径和准确性，也就是在保证一定能找到【未经授权禁止转载】【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【版权所有，侵权必究】未经授权，禁止复制转载。解。
【转载请注明来源】 而机器学习皆然不同，它的预设是没有基本【作者：唐霜】【原创不易，请尊重版权】规则前提下的归纳方法，因此，通过机器学习著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】找到最优解不是精确的，而是近似的，至于运著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net算的次数，要看运气，但一般而言，都是将所【转载请注明来源】【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，本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。都是有预设和前提的，比如说，找出一组数中【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】，最小的值。用传统算法，我们在“找出最小【原创不易，请尊重版权】【本文首发于唐霜的博客】值”这个目标下，可以先将这些值进行分组，【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。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。本文版权归作者所有，未经授权不得转载。行排序，总之，我们很明确知道不同值之间它【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net们存在的大小关系。
【关注微信公众号：wwwtangshuangnet】 但是，机器学习的前提是，它不知道两个值本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net谁大谁小。你需要先让它学习，比如说，1和【作者：唐霜】转载请注明出处：www.tangshuang.net2，它事先不知道1和2谁大谁小，你需要告【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.net诉它，你可以先告诉它这么一个集合[[1,【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。 2], [8, 199], [5, 9【转载请注明来源】本文作者：唐霜，转载请注明出处。2], [43, 1993], [234【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】, 93582], …]，然后告诉它每一【作者：唐霜】著作权归作者所有，禁止商业用途转载。个数组第一个值比第二个值小。这个集合就是本文作者：唐霜，转载请注明出处。【作者：唐霜】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。转载请注明出处：www.tangshuang.net<0 的时候，表示a比b小。而这个【本文受版权保护】本文作者：唐霜，转载请注明出处。 a-b<0 就是它的训练结果，将【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】来遇到任何两个数，它都能知道这两个数谁大【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。谁小。有了这个谁大谁小的前提，才能进行后【版权所有，侵权必究】【作者：唐霜】面的“找出最小值”的算法。
著作权归作者所有，禁止商业用途转载。 那么怎么进行训练呢？这里就涉及到“成本【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。函数”“神经网络”等等概念。 【本文首发于唐霜的博客】【作者：唐霜】【作者：唐霜】
- 什么是成本函数？
【本文首发于唐霜的博客】 训练的本质，实际上就是求函数的系数的过【原创不易，请尊重版权】【转载请注明来源】程。比如，我们初中学习的一元二次方程，y原创内容，盗版必究。原创内容，盗版必究。=ax^2+bx+c，这个一元二次方程可【转载请注明来源】【原创内容，转载请注明出处】以运用到的地方实在太多太多了。比如经典的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案例是“波特兰的房价”，一套房子大概能卖【未经授权禁止转载】原创内容，盗版必究。多少钱呢？假设它受三个因素影响：地理位置【作者：唐霜】本文版权归作者所有，未经授权不得转载。a，房子大小b，采光c。那么我们我们怎么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。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。转载请注明出处：www.tangshuang.net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】【访问 www.tangshuang.net 获取更多精彩内容】, y，然后代来代去，最后算出 a, b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, c。
【版权所有】唐霜 www.tangshuang.net 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】【本文首发于唐霜的博客】程这么高的智慧，它能干啥呢？它只能干最蠢著作权归作者所有，禁止商业用途转载。【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【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】价格，也就是知道三个以上 [x, y] 【未经授权禁止转载】【原创不易，请尊重版权】把所有的a, b, c可能的值，一个一个著作权归作者所有，禁止商业用途转载。【转载请注明来源】的代入到方程中，然后计算出 x, y，然【作者：唐霜】【原创不易，请尊重版权】后去看，当前代入的 a, b, c 算出转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】来的 x, y 是否和这三个 [x, y【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。] 都匹配，如果找到一组 a, b, c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。 正好让方程满足三个 [x, y]，那么【原创不易，请尊重版权】【原创内容，转载请注明出处】说明这一组 a, b, c 就是我们要找【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。的解。
【版权所有，侵权必究】 机器学习就是这么蠢。
本文作者：唐霜，转载请注明出处。 那么什么是成本函数呢？现在，把上面这个【本文受版权保护】【版权所有，侵权必究】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。【本文首发于唐霜的博客】知房价就是平面坐标轴上的3个点。接下来，原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】机器学习假设a的范围是[0, 100],【原创内容，转载请注明出处】【转载请注明来源】 b的范围是[0, 50]，c的范围[0【原创内容，转载请注明出处】原创内容，盗版必究。, 10]，这里是先假设，假如再这个范围【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net没找到，我们再扩大范围。A, b, c 【版权所有】唐霜 www.tangshuang.net【本文受版权保护】的组合就有50000种可能，也就是在坐标原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】系里面，可以画出50000条抛物线。那么原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。哪一条抛物线才是我们要的呢？就是去看这些【本文受版权保护】【原创内容，转载请注明出处】抛物线和已经画出来的那三个点。靠的最近的【作者：唐霜】原创内容，盗版必究。，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【转载请注明来源】的情况下，点的y值减去抛物线上的y值最小【转载请注明来源】【本文受版权保护】，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原创内容，盗版必究。号问题，还可以相减之后求绝对值，这三个绝【作者：唐霜】原创内容，盗版必究。对值相加最小的那一条抛物线，就是我们要找转载请注明出处：www.tangshuang.net原创内容，盗版必究。的抛物线了。而这个算法，最终会变成一个 【版权所有，侵权必究】原创内容，盗版必究。f(a, b, c) 的函数，而这个函数原创内容，盗版必究。转载请注明出处：www.tangshuang.net，就是成本函数。
本文版权归作者所有，未经授权不得转载。 成本函数，决定了这次训练过程的性能，也原创内容，盗版必究。【本文受版权保护】就是要花多少时间才能找到正确的 a,b,原创内容，盗版必究。原创内容，盗版必究。c，这个过程，运气不好的，可能比挖矿还要【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net慢。 【本文受版权保护】【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】
- 什么是神经网络呢？
【作者：唐霜】 我们现在所说的神经网络，多半是指深度神【转载请注明来源】【版权所有】唐霜 www.tangshuang.net经网络。深度学习就是指基于深度神经网络的原创内容，盗版必究。【版权所有，侵权必究】机器学习。神经网络和深度神经网络就是程度未经授权，禁止复制转载。原创内容，盗版必究。上的不同，本质一样。
本文作者：唐霜，转载请注明出处。 神经网络和人脑神经元网络一样，每一个神【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。经元都有自己处理信息的能力，通过树突接收【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】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】【版权所有】唐霜 www.tangshuang.net自另外一个神经元输出的信息。
【转载请注明来源】 在深度神经网络中，这些神经元被分层，每【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】一层所负责的工作不一样，每一层可以包含多【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net个神经元。每一层输出的信息，可以被下一层【原创内容，转载请注明出处】【本文首发于唐霜的博客】的任何神经元接收，这个根据需要来处理。
【作者：唐霜】 核心就在于，每一个神经元所包含的算法，著作权归作者所有，禁止商业用途转载。【转载请注明来源】以及这个神经元所得出结果的权重。算法工程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。师在编程时，实际上就是在干这件事，首先安【访问 www.tangshuang.net 获取更多精彩内容】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【转载请注明来源】本文版权归作者所有，未经授权不得转载。每一个神经元加入算法和权重，然后找一大堆【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】训练集，运行这个网络。
【关注微信公众号：wwwtangshuangnet】 回到我们上面的房价问题。我们用穷举 a【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。, b, c 的方法实在是太笨了。我们把【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。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】原创内容，盗版必究。我们现在创建一个2层的神经网络。对于输入【作者：唐霜】【关注微信公众号：wwwtangshuangnet】而言，地理位置的权重最大，房子大小权重居【未经授权禁止转载】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内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】件事，就是将训练集中的所有房子之间，a,转载请注明出处：www.tangshuang.net【作者：唐霜】 b, c 的关系转化为某个特殊逻辑关系未经授权，禁止复制转载。原创内容，盗版必究。，这个逻辑关系虽然是从已知的这些训练数据【版权所有，侵权必究】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，【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。从输入到输出这个过程，被称为“激活”。
原创内容，盗版必究。 第二层网络要干一件事，就是将我们上面找原创内容，盗版必究。【版权所有，侵权必究】到的逻辑关系再次进行运算，得到特定逻辑和【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。房价之间的关系。
著作权归作者所有，禁止商业用途转载。 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】未经授权，禁止复制转载。结了，这是算法工程师要写的东西。
【原创不易，请尊重版权】 最终的效果是，通过这个两层的神经网络，【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。我们减少了找到 a, b, c 的时间，未经授权，禁止复制转载。未经授权，禁止复制转载。同时提高了准确率。 【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】
- 什么是激活函数？
原创内容，盗版必究。 在上面提到的过程中，原始输入值在输出之【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】后，为了方便下一层网络使用，我们都要对这转载请注明出处：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【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net这些值转化为 [0,1] 或者 [-1,【本文受版权保护】原创内容，盗版必究。 1] 之间的小数，这样，我们可以非常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.tangshuang.net易的对两个值进行观察和处理，而不用考虑不本文作者：唐霜，转载请注明出处。原创内容，盗版必究。规则的数之间带来的差异。而负责这个转化过转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net程的算法被称为“激活函数”，激活函数的主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。要作用，实际上是将非线性的数转化为线性的【关注微信公众号：wwwtangshuangnet】【作者：唐霜】，也就是我们经常听到的“线性变换”。
转载请注明出处：www.tangshuang.net 目前最常被提到的激活函数有 sigmo【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。id, tanh, relu. 【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】
- 什么是模型？
原创内容，盗版必究。 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】著作权归作者所有，禁止商业用途转载。，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。未经授权，禁止复制转载。方程固定下来。另外一个人在要预测另外一套转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net房子的时候，就不需要自己再去训练，而是直【作者：唐霜】【转载请注明来源】接拿你训练的模型，也就是这个二元一次方程本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。，传入对应的x，得到y就结束了。
【访问 www.tangshuang.net 获取更多精彩内容】 训练算法是得到模型的关键。前面说过，机【作者：唐霜】本文版权归作者所有，未经授权不得转载。器学习不是追求最准确，而是近似。所以，就著作权归作者所有，禁止商业用途转载。【作者：唐霜】有一个算法调优的过程，也就是以更小的代价【版权所有】唐霜 www.tangshuang.net【转载请注明来源】，得到更靠近准确值的 a, b, c 的【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】过程。算法工程师的功力，实际上就在算法调【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】优（发明或改进算法）的能力上。 【作者：唐霜】原创内容，盗版必究。【原创不易，请尊重版权】原创内容，盗版必究。
- 什么是卷积神经网络（CNN）？
【作者：唐霜】 首先，什么是卷积？中文翻译的好，它包含【原创不易，请尊重版权】【本文受版权保护】“卷”和“积”，积就是相乘，卷就是相加且本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net有反复连续不断的意思。卷积就是将要素值相【原创内容，转载请注明出处】【本文首发于唐霜的博客】乘，然后将乘积相加的过程，相加多少次由计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。算目的决定。不过，在相加过程中，实际上有【作者：唐霜】【作者：唐霜】一个衰变过程，也就是说，前面的乘积，在后【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】续的相加过程中，会衰变，对权重的影响不如【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。最新的积带来的效果大。它的本质，实际上，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】就是加权叠加，通过加权叠加，我们可以找到原创内容，盗版必究。【转载请注明来源】权重突出的要素。这也是卷积被应用到神经网【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net络中的原因之一。
【访问 www.tangshuang.net 获取更多精彩内容】 那么什么是卷积神经网络呢？深度神经网络著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】有很多层组成，每一层内包含很多神经元，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。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】原创内容，盗版必究。有这么一种神经网络，里面包含了一个特殊的【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。层，这个层的主要作用是对输入值进行分组后【关注微信公众号：wwwtangshuangnet】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，转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net这个神经网络很奇怪，这个特殊层有连续好多【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】个，只是里面的参数有稍微的调整。这种就是转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net卷积神经网络，而这个特殊层就是卷积层。当【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net然，这里是一个缩减化的，实际上，在卷积神【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net经网络中，连续重复的不是只有卷积层，而是【作者：唐霜】【本文受版权保护】多个层，一般包括：卷积层、线性整流层（也【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。就是上面提到的激活函数）、池化层（衰减作【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】用，以得到维度更小的特征）。而这些重复的【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net层结束之后，还会有一个全连接层，将卷积结【原创内容，转载请注明出处】【原创不易，请尊重版权】果做最终的整合，得到最终的结果。
【本文受版权保护】 卷积神经网络在图像识别上取得了非常大的【未经授权禁止转载】转载请注明出处：www.tangshuang.net成功。我们简单说一下，图像的本质是像素的【本文首发于唐霜的博客】【原创不易，请尊重版权】组合。对图像识别，实际上就是对图像中事物转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】到已有知识库中进行匹配的过程。怎么在卷积【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。中做呢？首先，将图片像素RGB分别取出，未经授权，禁止复制转载。未经授权，禁止复制转载。并通过补充的方式，得到一个3的整数倍长宽【原创不易，请尊重版权】【版权所有，侵权必究】的正方形。现在有一个滤波器（一个3转载请注明出处：www.tangshuang.net【作者：唐霜】15;3的01矩阵），将原始R层切分为3原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。×3的网格，每一格拿出来和滤波【版权所有，侵权必究】【本文受版权保护】器每个位置相乘，然后将所有位置相加，就得转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】到一个值，然后将所有格子相乘相加得到的值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。组成一个新的矩阵，并通过激活函数，将上面著作权归作者所有，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。的值归一化。按照上面的方法，再进行一次滤著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】波相乘相加。如此反复几次，就可以得到一个本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net经过归一化的很小矩阵，从而表达R层在某一本文作者：唐霜，转载请注明出处。【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。未经授权，禁止复制转载。【原创不易，请尊重版权】已同样的道理，再做其他层其他特征的卷积。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】最终在全连接层对这些特征值进行分类匹配，【本文首发于唐霜的博客】【本文受版权保护】找出这张图片是车还是猫的可能性各自多大。 著作权归作者所有，禁止商业用途转载。【本文受版权保护】【版权所有，侵权必究】【作者：唐霜】
- 分类的重要性
著作权归作者所有，禁止商业用途转载。 对样本进行分类，无论是监督学习（人为给【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】出分类），还是非监督学习（人为不给分类，【作者：唐霜】【关注微信公众号：wwwtangshuangnet】只给出创建分类的方法），都极其重要。
【本文首发于唐霜的博客】 机器学习的目标，是要做出决策。决策的依【本文首发于唐霜的博客】【作者：唐霜】据是什么？就是被预测的值被丢到哪一个分类本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。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】【原创内容，转载请注明出处】个分类，并对每一个分类采取不同的操作建议【原创不易，请尊重版权】【原创不易，请尊重版权】。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。未经授权，禁止复制转载。支股票属于不同分类的概率，并且你可以通过【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。最大概率的那个分类进行决策。
【原创内容，转载请注明出处】 所以，机器学习的【推理阶段】本质就是给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】目标进行分类的过程。而它进行分类的依据，转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】就是来自【训练阶段】的结果，即模型。 【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net
- 前端开发者如何学习机器学习？
【关注微信公众号：wwwtangshuangnet】 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。【作者：唐霜】开发。所以，我觉得，要从应用开发开始，建著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】立兴趣。
【版权所有】唐霜 www.tangshuang.net Tensorflow.js 是谷歌开源【关注微信公众号：wwwtangshuangnet】【本文受版权保护】的机器学习框架，使用 Tensorflo著作权归作者所有，禁止商业用途转载。【本文受版权保护】w.js 可以使用 js 作为开发语言，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。进行机器学习的开发。对于这个框架而言，我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们其实可以做两件事：a 纯作为一个第三方著作权归作者所有，禁止商业用途转载。【转载请注明来源】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【未经授权禁止转载】，创建属于自己的模型。
原创内容，盗版必究。 如果刚开始，我们可以不用它来做训练，而【原创不易，请尊重版权】【原创不易，请尊重版权】是只用一些已经公开的模型，来做应用开发。
【原创不易，请尊重版权】 它的官方网站是 https://tensorflow.g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.netoogle.cn/js 你可以在官网上找到它的接口，当然，用于【转载请注明来源】【版权所有】唐霜 www.tangshuang.net训练的接口你可以先不管，可以先跟着官方的【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。入门文章，掌握如何利用官方公开的模型，做【关注微信公众号：wwwtangshuangnet】【转载请注明来源】一些小案例，比如如何识别手写体数字等等。本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】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】【未经授权禁止转载】长时间坐着会不会带来健康问题，有一位腾讯本文作者：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。的小伙伴突发其想，利用人体骨架模型写了一【本文受版权保护】原创内容，盗版必究。个监控坐姿的小应用，你可以通过 https://www.doverr.c未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】om/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴【本文受版权保护】【版权所有】唐霜 www.tangshuang.net趣可以自己去八一八。同样是人体骨架模型，原创内容，盗版必究。【本文首发于唐霜的博客】实际上，还有有其他的用法，比如我想到一个【原创内容，转载请注明出处】【本文受版权保护】点，就是通过对人体骨架的预测，来匹配背景【作者：唐霜】【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。
本文版权归作者所有，未经授权不得转载。 在使用 tensorflow.js 实【作者：唐霜】著作权归作者所有，禁止商业用途转载。现了一些应用之后，如果有兴趣，就可以学习【作者：唐霜】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【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】自己的神经网络，创建自己的模型。
【转载请注明来源】 在小有成就感之后，就可以重新回头，开始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】去研究机器学习算法，甚至重新学习高数来提【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】升自己的算法能力。 著作权归作者所有，禁止商业用途转载。【原创内容，转载请注明出处】
2020-03-01 3037
