机器学习是人工智能时代对于开发者而言，最【转载请注明来源】原创内容，盗版必究。核心也是最近的领域。机器学习看上去是比较转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。深，比较复杂的后端开发技术，被算法工程师【版权所有】唐霜 www.tangshuang.net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？我转载请注明出处：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【本文首发于唐霜的博客】【作者：唐霜】入门机器学习？要学 python 吗？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。不会怎么办？本期 Robust 我就带你【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。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【版权所有，侵权必究】【未经授权禁止转载】bust 这样一档技术类的谈话节目还不错【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。，希望我继续做下去，不妨打赏支持。你可以【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】扫描本文下方的二维码打赏，也可以加我微信原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。后红包打赏。

以下是我的手稿原文：

1. 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。为，以辅助人类完成某些工作。
   【访问 www.tangshuang.n转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】et 获取更多精彩内容】 它包含哪些内容？最起码：a 感受系统（【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】传感器技术）b 认知系统（自然语言处理 【关注微信公众号：wwwtangshuangnet】【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（未经授权，禁止复制转载。【原创内容，转载请注明出处】深度学习）d 响应系统（机器人技术）
【版权所有】唐霜 www.tangshu本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.netang.net【本文首发于唐霜的博客】【本文首发于唐霜的博客】
2. 什么是机器学习？
   【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版权归作者所有，未经授权不得转载。原创内容，盗版必究。网络的深度学习。它是人工智能的认知决策的转载请注明出处：www.tangshuang.net原创内容，盗版必究。核心内容。
转载请注明出处：www.tangshua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】ng.net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。【未经授权禁止转载】
3. 目前已经实现的领域有哪些？
   【未经授权禁止转载】 图像识别、自动驾驶、智能语音（同声传译原创内容，盗版必究。【原创不易，请尊重版权】）、搜索、艺术创作、医学诊断、玩游戏
   【版权所有，侵权必究】 语言中提到的搜索引擎 https://magi.com/
【作者：唐霜】转载请注明出处：www.tangshua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。ng.net本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】
4. 机器学习基本上可以分为三个类别: 监督学本文作者：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。习、非监督学习和强化学习。
原创内容，盗版必究。【关注微信公众号：wwwtangshua本文作者：唐霜，转载请注明出处。【未经授权禁止转载】ngnet】【作者：唐霜】【转载请注明来源】
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】【版权所有，侵权必究】简单的语言描述机器学习中遇到的复杂概念？
   【本文受版权保护】 对于复杂概念而言，它的本质是对具体描述本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】的抽象。它之所以难懂，是因为抽象程度高。未经授权，禁止复制转载。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，我们先忘记著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。这些概念，去搞明白抽象背后的具体描述。一【版权所有】唐霜 www.tangshuang.net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】们就用自己日常生活中最接近自己的具体事件【本文首发于唐霜的博客】【原创不易，请尊重版权】去描述，在没有概念的情况下，我们也能知道【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。，这个概念是在描述一件什么事。当我们反复著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。用啰里八嗦的具体描述去阐释一个东西时，我未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。们自然而然，就会有强烈愿望用一个简单的概本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】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】【未经授权禁止转载】现原来这个概念就是这么回事。
本文版权归作者所有，未经授权不得转载。【本文受版权保护】【本文首发于唐霜的博客】【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”【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】这个概念呢？
   【版权所有，侵权必究】 它的本质就是归纳法。
   【本文受版权保护】 简单的说，你首先需要一堆数据【给定数据未经授权，禁止复制转载。【作者：唐霜】集，也被称为训练集】，这些数据都是客观事转载请注明出处：www.tangshuang.net【未经授权禁止转载】实。其次，你需要有一个训练算法，通过这个未经授权，禁止复制转载。【本文受版权保护】算法，找出这一堆数据的内在联系（一般用一原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net个函数来表示），这个东西就是训练的结果，原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net也就是我们常听见的模型。【训练阶段】最后【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。，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【版权所有，侵权必究】来的结果。【推理阶段】
   【访问 www.tangshuang.n【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.netet 获取更多精彩内容】 其中，训练算法是关键。它存在性能问题，【本文受版权保护】原创内容，盗版必究。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【版权所有，侵权必究】关。机器学习和我们以往寻找最优解的模式不【本文首发于唐霜的博客】【作者：唐霜】同。我们以前寻找一个最优解，考虑的是运算未经授权，禁止复制转载。【原创不易，请尊重版权】最短路径和准确性，也就是在保证一定能找到【原创不易，请尊重版权】【本文受版权保护】最优解的情况下，用最少的运算次数找到最优【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。解。
   【访问 www.tangshuang.n【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。et 获取更多精彩内容】 而机器学习皆然不同，它的预设是没有基本【本文首发于唐霜的博客】【本文首发于唐霜的博客】规则前提下的归纳方法，因此，通过机器学习【作者：唐霜】【未经授权禁止转载】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转载请注明出处：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出处：www.tangshuang.net【原创内容，转载请注明出处】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。本文作者：唐霜，转载请注明出处。都是有预设和前提的，比如说，找出一组数中未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】，最小的值。用传统算法，我们在“找出最小【关注微信公众号：wwwtangshuangnet】【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，【原创不易，请尊重版权】未经授权，禁止复制转载。每组最小的再比，或者通过冒泡算法之类的进未经授权，禁止复制转载。【作者：唐霜】行排序，总之，我们很明确知道不同值之间它【原创不易，请尊重版权】【版权所有，侵权必究】们存在的大小关系。
   【转载请注明来源】 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】本文版权归作者所有，未经授权不得转载。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。【本文受版权保护】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【原创不易，请尊重版权】诉它，你可以先告诉它这么一个集合[[1,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。 2], [8, 199], [5, 9原创内容，盗版必究。原创内容，盗版必究。2], [43, 1993], [234本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。, 93582], …]，然后告诉它每一【版权所有，侵权必究】【转载请注明来源】个数组第一个值比第二个值小。这个集合就是【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。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。【原创不易，请尊重版权】<0 的时候，表示a比b小。而这个【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。 a-b<0 就是它的训练结果，将本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。来遇到任何两个数，它都能知道这两个数谁大【本文受版权保护】【转载请注明来源】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。【转载请注明来源】面的“找出最小值”的算法。
   【转载请注明来源】 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【本文受版权保护】函数”“神经网络”等等概念。
【本文首发于唐霜的博客】【访问 www.tangshuang.n【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】et 获取更多精彩内容】未经授权，禁止复制转载。
7. 什么是成本函数？
   【原创不易，请尊重版权】 训练的本质，实际上就是求函数的系数的过【转载请注明来源】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【关注微信公众号：wwwtangshuangnet】【本文受版权保护】=ax^2+bx+c，这个一元二次方程可原创内容，盗版必究。【转载请注明来源】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。本文版权归作者所有，未经授权不得转载。案例是“波特兰的房价”，一套房子大概能卖【作者：唐霜】【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【转载请注明来源】转载请注明出处：www.tangshuang.neta，房子大小b，采光c。那么我们我们怎么【本文受版权保护】【本文受版权保护】知道 a, b, c 分别是多少呢？初中【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】求一元二次方程告诉我们，需要给我们三组x【未经授权禁止转载】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【作者：唐霜】【本文首发于唐霜的博客】, c。
   【原创内容，转载请注明出处】 机器学习的训练过程中，没有求一元二次方本文版权归作者所有，未经授权不得转载。【转载请注明来源】程这么高的智慧，它能干啥呢？它只能干最蠢【本文首发于唐霜的博客】【本文首发于唐霜的博客】的事，你需要先知道三套或以上的房子的实际【本文受版权保护】本文作者：唐霜，转载请注明出处。价格，也就是知道三个以上 [x, y] 本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】把所有的a, b, c可能的值，一个一个【本文受版权保护】著作权归作者所有，禁止商业用途转载。的代入到方程中，然后计算出 x, y，然【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】后去看，当前代入的 a, b, c 算出未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net来的 x, y 是否和这三个 [x, y著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】] 都匹配，如果找到一组 a, b, c著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】 正好让方程满足三个 [x, y]，那么本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。说明这一组 a, b, c 就是我们要找原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net的解。
   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。 那么什么是成本函数呢？现在，把上面这个【版权所有，侵权必究】【未经授权禁止转载】房价问题抽象成坐标轴中的数学问题。三套已原创内容，盗版必究。【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，【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】机器学习假设a的范围是[0, 100],【本文受版权保护】著作权归作者所有，禁止商业用途转载。 b的范围是[0, 50]，c的范围[0【作者：唐霜】原创内容，盗版必究。, 10]，这里是先假设，假如再这个范围【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。没找到，我们再扩大范围。A, b, c 【原创不易，请尊重版权】未经授权，禁止复制转载。的组合就有50000种可能，也就是在坐标【转载请注明来源】本文版权归作者所有，未经授权不得转载。系里面，可以画出50000条抛物线。那么原创内容，盗版必究。【原创内容，转载请注明出处】哪一条抛物线才是我们要的呢？就是去看这些本文作者：唐霜，转载请注明出处。原创内容，盗版必究。抛物线和已经画出来的那三个点。靠的最近的【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】，就是那一条。怎么靠的最近呢？在x 相同原创内容，盗版必究。【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【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】，三个点都这么去计算，当然，为了避免正负【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】号问题，还可以相减之后求绝对值，这三个绝转载请注明出处：www.tangshuang.net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】的抛物线了。而这个算法，最终会变成一个 【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。f(a, b, c) 的函数，而这个函数未经授权，禁止复制转载。【转载请注明来源】，就是成本函数。
   【原创不易，请尊重版权】 成本函数，决定了这次训练过程的性能，也未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】就是要花多少时间才能找到正确的 a,b,【未经授权禁止转载】【未经授权禁止转载】c，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著作权归作者所有，禁止商业用途转载。慢。
【转载请注明来源】【访问 www.tangshuang.n转载请注明出处：www.tangshuang.net原创内容，盗版必究。et 获取更多精彩内容】
8. 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。经网络。深度学习就是指基于深度神经网络的【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。机器学习。神经网络和深度神经网络就是程度【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net上的不同，本质一样。
   著作权归作者所有，禁止商业用途转载。 神经网络和人脑神经元网络一样，每一个神【未经授权禁止转载】【未经授权禁止转载】经元都有自己处理信息的能力，通过树突接收【版权所有，侵权必究】未经授权，禁止复制转载。信息，通过轴突输出信息。接收的信息可能来【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。自另外一个神经元输出的信息。
   未经授权，禁止复制转载。 在深度神经网络中，这些神经元被分层，每【未经授权禁止转载】【本文首发于唐霜的博客】一层所负责的工作不一样，每一层可以包含多转载请注明出处：www.tangshuang.net【转载请注明来源】个神经元。每一层输出的信息，可以被下一层著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】的任何神经元接收，这个根据需要来处理。
   【原创不易，请尊重版权】 核心就在于，每一个神经元所包含的算法，转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net以及这个神经元所得出结果的权重。算法工程原创内容，盗版必究。【未经授权禁止转载】师在编程时，实际上就是在干这件事，首先安转载请注明出处：www.tangshuang.net【本文受版权保护】排一个什么样的神经网络，其次，给网络中的著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】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。未经授权，禁止复制转载。训练集，运行这个网络。
   转载请注明出处：www.tangshua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。ng.net 回到我们上面的房价问题。我们用穷举 a未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】, b, c 的方法实在是太笨了。我们把【本文受版权保护】未经授权，禁止复制转载。这个穷举过程改为用神经网络来处理的过程。【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。我们现在创建一个2层的神经网络。对于输入【转载请注明来源】转载请注明出处：www.tangshuang.net而言，地理位置的权重最大，房子大小权重居著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】中，采光条件权重最小。第一层网络要解决一未经授权，禁止复制转载。【版权所有，侵权必究】件事，就是将训练集中的所有房子之间，a,本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】 b, c 的关系转化为某个特殊逻辑关系【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】，这个逻辑关系虽然是从已知的这些训练数据【未经授权禁止转载】【版权所有，侵权必究】中来，但是和训练数据已经完全没有关系了，【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。从输入到输出这个过程，被称为“激活”。
   本文作者：唐霜，转载请注明出处。 第二层网络要干一件事，就是将我们上面找【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】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。
   【转载请注明来源】 至于中间的激活函数是什么，我们就不去纠【作者：唐霜】【原创内容，转载请注明出处】结了，这是算法工程师要写的东西。
   著作权归作者所有，禁止商业用途转载。 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】【原创内容，转载请注明出处】我们减少了找到 a, b, c 的时间，【版权所有，侵权必究】原创内容，盗版必究。同时提高了准确率。
原创内容，盗版必究。【版权所有，侵权必究】未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。
9. 什么是激活函数？
   著作权归作者所有，禁止商业用途转载。 在上面提到的过程中，原始输入值在输出之著作权归作者所有，禁止商业用途转载。【本文受版权保护】后，为了方便下一层网络使用，我们都要对这【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】些不规则的结果值，进行归一化，一般都是将未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。这些值转化为 [0,1] 或者 [-1,未经授权，禁止复制转载。【原创不易，请尊重版权】 1] 之间的小数，这样，我们可以非常容【本文受版权保护】原创内容，盗版必究。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。【本文受版权保护】规则的数之间带来的差异。而负责这个转化过【转载请注明来源】本文作者：唐霜，转载请注明出处。程的算法被称为“激活函数”，激活函数的主【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】要作用，实际上是将非线性的数转化为线性的【原创不易，请尊重版权】【本文受版权保护】，也就是我们经常听到的“线性变换”。
   【未经授权禁止转载】 目前最常被提到的激活函数有 sigmo转载请注明出处：www.tangshuang.net原创内容，盗版必究。id, tanh, relu.
【版权所有】唐霜 www.tangshu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。ang.net著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。
10. 什么是模型？
    【访问 www.tangshuang.n【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.netet 获取更多精彩内容】 说白了，模型就是训练结果。也就是最前面【未经授权禁止转载】转载请注明出处：www.tangshuang.net，找出二元一次方程系数后，把这个二元一次原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】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【版权所有，侵权必究】房子的时候，就不需要自己再去训练，而是直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接拿你训练的模型，也就是这个二元一次方程【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net，传入对应的x，得到y就结束了。
    【未经授权禁止转载】 训练算法是得到模型的关键。前面说过，机未经授权，禁止复制转载。【未经授权禁止转载】器学习不是追求最准确，而是近似。所以，就未经授权，禁止复制转载。【转载请注明来源】有一个算法调优的过程，也就是以更小的代价【关注微信公众号：wwwtangshuangnet】【转载请注明来源】，得到更靠近准确值的 a, b, c 的未经授权，禁止复制转载。【作者：唐霜】过程。算法工程师的功力，实际上就在算法调【转载请注明来源】著作权归作者所有，禁止商业用途转载。优（发明或改进算法）的能力上。
转载请注明出处：www.tangshua原创内容，盗版必究。【本文受版权保护】ng.net【原创不易，请尊重版权】
11. 什么是卷积神经网络（CNN）？
    原创内容，盗版必究。 首先，什么是卷积？中文翻译的好，它包含原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。“卷”和“积”，积就是相乘，卷就是相加且原创内容，盗版必究。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本文作者：唐霜，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【作者：唐霜】本文版权归作者所有，未经授权不得转载。算目的决定。不过，在相加过程中，实际上有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。一个衰变过程，也就是说，前面的乘积，在后【原创内容，转载请注明出处】未经授权，禁止复制转载。续的相加过程中，会衰变，对权重的影响不如【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。最新的积带来的效果大。它的本质，实际上，【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。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未经授权，禁止复制转载。权重突出的要素。这也是卷积被应用到神经网著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】络中的原因之一。
    【版权所有】唐霜 www.tangshu转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】ang.net 那么什么是卷积神经网络呢？深度神经网络原创内容，盗版必究。原创内容，盗版必究。有很多层组成，每一层内包含很多神经元，层【未经授权禁止转载】转载请注明出处：www.tangshuang.net与层之间有先后顺序。在众多神经网络中间，【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】有这么一种神经网络，里面包含了一个特殊的转载请注明出处：www.tangshuang.net原创内容，盗版必究。层，这个层的主要作用是对输入值进行分组后转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】相乘，然后通过激活函数进行归一化，而且，【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】这个神经网络很奇怪，这个特殊层有连续好多未经授权，禁止复制转载。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【本文首发于唐霜的博客】【本文受版权保护】卷积神经网络，而这个特殊层就是卷积层。当本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】然，这里是一个缩减化的，实际上，在卷积神【作者：唐霜】【本文首发于唐霜的博客】经网络中，连续重复的不是只有卷积层，而是【本文受版权保护】【作者：唐霜】多个层，一般包括：卷积层、线性整流层（也著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。就是上面提到的激活函数）、池化层（衰减作【未经授权禁止转载】【未经授权禁止转载】用，以得到维度更小的特征）。而这些重复的转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】层结束之后，还会有一个全连接层，将卷积结【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。果做最终的整合，得到最终的结果。
    原创内容，盗版必究。 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】【作者：唐霜】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】【版权所有，侵权必究】组合。对图像识别，实际上就是对图像中事物【本文首发于唐霜的博客】【原创不易，请尊重版权】到已有知识库中进行匹配的过程。怎么在卷积著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。中做呢？首先，将图片像素RGB分别取出，【版权所有，侵权必究】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【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】的正方形。现在有一个滤波器（一个3【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net15;3的01矩阵），将原始R层切分为3【转载请注明来源】原创内容，盗版必究。×3的网格，每一格拿出来和滤波【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】器每个位置相乘，然后将所有位置相加，就得【本文受版权保护】【版权所有】唐霜 www.tangshuang.net到一个值，然后将所有格子相乘相加得到的值转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。组成一个新的矩阵，并通过激活函数，将上面本文作者：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。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。【本文首发于唐霜的博客】波相乘相加。如此反复几次，就可以得到一个著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。经过归一化的很小矩阵，从而表达R层在某一未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net个特征（滤波器所表达的这个特征）上的值。【作者：唐霜】【本文首发于唐霜的博客】已同样的道理，再做其他层其他特征的卷积。转载请注明出处：www.tangshuang.net【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，【原创内容，转载请注明出处】【作者：唐霜】找出这张图片是车还是猫的可能性各自多大。
【本文受版权保护】【原创内容，转载请注明出处】
12. 分类的重要性
    本文版权归作者所有，未经授权不得转载。 对样本进行分类，无论是监督学习（人为给【原创不易，请尊重版权】【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，【本文受版权保护】【本文首发于唐霜的博客】只给出创建分类的方法），都极其重要。
    【关注微信公众号：wwwtangshua原创内容，盗版必究。转载请注明出处：www.tangshuang.netngnet】 机器学习的目标，是要做出决策。决策的依【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。据是什么？就是被预测的值被丢到哪一个分类转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net中。例如股票预测中，通过机器学习，得出3【关注微信公众号：wwwtangshuangnet】【作者：唐霜】个分类，并对每一个分类采取不同的操作建议【原创内容，转载请注明出处】【未经授权禁止转载】。当你输入新的一支股票时，它就可以预测这本文作者：唐霜，转载请注明出处。【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【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。最大概率的那个分类进行决策。
    【版权所有】唐霜 www.tangshu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】ang.net 所以，机器学习的【推理阶段】本质就是给原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】目标进行分类的过程。而它进行分类的依据，【本文受版权保护】【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。
【版权所有，侵权必究】【本文受版权保护】
13. 前端开发者如何学习机器学习？
    【本文首发于唐霜的博客】 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【转载请注明来源】开发。所以，我觉得，要从应用开发开始，建【作者：唐霜】【未经授权禁止转载】立兴趣。
    【作者：唐霜】 Tensorflow.js 是谷歌开源原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。的机器学习框架，使用 Tensorflo转载请注明出处：www.tangshuang.net【作者：唐霜】w.js 可以使用 js 作为开发语言，【未经授权禁止转载】【版权所有，侵权必究】进行机器学习的开发。对于这个框架而言，我【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net们其实可以做两件事：a 纯作为一个第三方【未经授权禁止转载】【未经授权禁止转载】开发库，用来做应用开发；b 进行训练开发本文作者：唐霜，转载请注明出处。原创内容，盗版必究。，创建属于自己的模型。
    【关注微信公众号：wwwtangshua【转载请注明来源】本文作者：唐霜，转载请注明出处。ngnet】 如果刚开始，我们可以不用它来做训练，而【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net是只用一些已经公开的模型，来做应用开发。
    【版权所有】唐霜 www.tangshu本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】ang.net 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。【版权所有，侵权必究】oogle.cn/js 你可以在官网上找到它的接口，当然，用于本文作者：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。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【转载请注明来源】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】【版权所有】唐霜 www.tangshuang.net一些小案例，比如如何识别手写体数字等等。著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】这段时间是疫情时期，大家都在家远程办公，【本文首发于唐霜的博客】【原创不易，请尊重版权】长时间坐着会不会带来健康问题，有一位腾讯【转载请注明来源】未经授权，禁止复制转载。的小伙伴突发其想，利用人体骨架模型写了一【作者：唐霜】未经授权，禁止复制转载。个监控坐姿的小应用，你可以通过 https://www.doverr.c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】om/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴本文作者：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。趣可以自己去八一八。同样是人体骨架模型，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】实际上，还有有其他的用法，比如我想到一个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点，就是通过对人体骨架的预测，来匹配背景【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。音乐，这样，可以让抖音背景音乐更匹配。
    【版权所有，侵权必究】 在使用 tensorflow.js 实【本文受版权保护】【本文受版权保护】现了一些应用之后，如果有兴趣，就可以学习本文作者：唐霜，转载请注明出处。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【未经授权禁止转载】【未经授权禁止转载】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【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】去研究机器学习算法，甚至重新学习高数来提转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net升自己的算法能力。
【访问 www.tangshuang.n【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】et 获取更多精彩内容】【原创不易，请尊重版权】【版权所有，侵权必究】

2020-03-01 2767