机器学习是人工智能时代对于开发者而言，最著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。核心也是最近的领域。机器学习看上去是比较【版权所有，侵权必究】本文作者：唐霜，转载请注明出处。深，比较复杂的后端开发技术，被算法工程师著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。牢牢掌控着，前端开发者难道不能涉足吗？我著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。们真的要错过吗？如果我是前端开发者，如何本文作者：唐霜，转载请注明出处。【作者：唐霜】入门机器学习？要学 python 吗？我原创内容，盗版必究。转载请注明出处：www.tangshuang.net不会怎么办？本期 Robust 我就带你【版权所有，侵权必究】未经授权，禁止复制转载。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。【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net 【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。本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net网易云音乐：未经授权，禁止复制转载。点击播放著作权归作者所有，禁止商业用途转载。
本文作者：唐霜，转载请注明出处。原创内容，盗版必究。转载请注明出处：www.tangshuang.net喜马拉雅：本文作者：唐霜，转载请注明出处。点击播放转载请注明出处：www.tangshuang.net
原创内容，盗版必究。【转载请注明来源】【转载请注明来源】【本文受版权保护】【版权所有】唐霜 www.tangshuang.net求打赏🙇如果你觉得 Ro本文作者：唐霜，转载请注明出处。【未经授权禁止转载】bust 这样一档技术类的谈话节目还不错本文版权归作者所有，未经授权不得转载。【转载请注明来源】，希望我继续做下去，不妨打赏支持。你可以原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net扫描本文下方的二维码打赏，也可以加我微信【转载请注明来源】【版权所有】唐霜 www.tangshuang.net后红包打赏。
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。【本文首发于唐霜的博客】未经授权，禁止复制转载。以下是我的手稿原文：【原创内容，转载请注明出处】
【转载请注明来源】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】【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】- 什么是人工智能？【版权所有，侵权必究】
【转载请注明来源】【原创不易，请尊重版权】 简单的讲，是要用信息技术模拟人的自然行【本文受版权保护】【未经授权禁止转载】为，以辅助人类完成某些工作。
【作者：唐霜】【版权所有】唐霜 www.tangshuang.net 它包含哪些内容？最起码：a 感受系统（【作者：唐霜】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，侵权必究】未经授权，禁止复制转载。(NLP)，深度神经网络）c 决策系统（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】深度学习）d 响应系统（机器人技术） 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】【原创不易，请尊重版权】
- 什么是机器学习？未经授权，禁止复制转载。
【作者：唐霜】【作者：唐霜】 我们现在讲机器学习，实际就是讲基于神经【转载请注明来源】本文作者：唐霜，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【原创内容，转载请注明出处】【本文受版权保护】核心内容。 【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】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】
- 目前已经实现的领域有哪些？【原创不易，请尊重版权】
【未经授权禁止转载】本文作者：唐霜，转载请注明出处。 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。本文作者：唐霜，转载请注明出处。）、搜索、艺术创作、医学诊断、玩游戏
【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net 语言中提到的搜索引擎 未经授权，禁止复制转载。https://magi.com/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】【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】【转载请注明来源】【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。习、非监督学习和强化学习。 【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。【作者：唐霜】原创内容，盗版必究。
- 对于前端同学（非数学专业）而言，如何用更【本文受版权保护】【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？
【版权所有，侵权必究】未经授权，禁止复制转载。 对于复杂概念而言，它的本质是对具体描述未经授权，禁止复制转载。【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。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。我们要做的，就是还原它的具体，我们先忘记【未经授权禁止转载】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。一未经授权，禁止复制转载。【本文受版权保护】个概念，可以用不同的具体描述与之对应，我未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net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。【关注微信公众号：wwwtangshuangnet】去描述，在没有概念的情况下，我们也能知道未经授权，禁止复制转载。【作者：唐霜】，这个概念是在描述一件什么事。当我们反复【未经授权禁止转载】【版权所有，侵权必究】用啰里八嗦的具体描述去阐释一个东西时，我【转载请注明来源】【原创内容，转载请注明出处】们自然而然，就会有强烈愿望用一个简单的概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】念去描述它，这个时候，我们再来看，就会发【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。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】唐霜 www.tangshuang.net【本文首发于唐霜的博客】【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】
- 那么我们如何用简单语言来描述“监督学习”【本文受版权保护】【原创不易，请尊重版权】这个概念呢？
【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。 它的本质就是归纳法。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。【访问 www.tangshuang.net 获取更多精彩内容】 简单的说，你首先需要一堆数据【给定数据著作权归作者所有，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】【访问 www.tangshuang.net 获取更多精彩内容】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。未经授权，禁止复制转载。算法，找出这一堆数据的内在联系（一般用一【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。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。【未经授权禁止转载】也就是我们常听见的模型。【训练阶段】最后原创内容，盗版必究。【转载请注明来源】，利用这个模型，去预测一个新给的参数所带【未经授权禁止转载】【本文首发于唐霜的博客】来的结果。【推理阶段】
转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】 其中，训练算法是关键。它存在性能问题，本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】为什么呢？这和机器学习的范式（归纳法）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】关。机器学习和我们以往寻找最优解的模式不著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】同。我们以前寻找一个最优解，考虑的是运算【原创内容，转载请注明出处】【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【版权所有，侵权必究】【原创内容，转载请注明出处】最优解的情况下，用最少的运算次数找到最优【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】解。
【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net 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】【作者：唐霜】规则前提下的归纳方法，因此，通过机器学习【访问 www.tangshuang.net 获取更多精彩内容】【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【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】算的次数，要看运气，但一般而言，都是将所【本文首发于唐霜的博客】【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，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】【版权所有】唐霜 www.tangshuang.net，最小的值。用传统算法，我们在“找出最小未经授权，禁止复制转载。未经授权，禁止复制转载。值”这个目标下，可以先将这些值进行分组，【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net每组最小的再比，或者通过冒泡算法之类的进原创内容，盗版必究。【作者：唐霜】行排序，总之，我们很明确知道不同值之间它未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】们存在的大小关系。
【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】 但是，机器学习的前提是，它不知道两个值著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】谁大谁小。你需要先让它学习，比如说，1和未经授权，禁止复制转载。【原创不易，请尊重版权】2，它事先不知道1和2谁大谁小，你需要告著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】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。著作权归作者所有，禁止商业用途转载。 2], [8, 199], [5, 9【转载请注明来源】未经授权，禁止复制转载。2], [43, 1993], [234转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。, 93582], …]，然后告诉它每一未经授权，禁止复制转载。【作者：唐霜】个数组第一个值比第二个值小。这个集合就是未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。训练集。它可以通过这个集合学习到 a-b【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】<0 的时候，表示a比b小。而这个【原创内容，转载请注明出处】【版权所有，侵权必究】 a-b<0 就是它的训练结果，将【转载请注明来源】【转载请注明来源】来遇到任何两个数，它都能知道这两个数谁大【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】谁小。有了这个谁大谁小的前提，才能进行后【未经授权禁止转载】原创内容，盗版必究。面的“找出最小值”的算法。
本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。 那么怎么进行训练呢？这里就涉及到“成本著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。函数”“神经网络”等等概念。 【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。【版权所有】唐霜 www.tangshuang.net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。
- 什么是成本函数？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。【访问 www.tangshuang.net 获取更多精彩内容】 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】本文作者：唐霜，转载请注明出处。程。比如，我们初中学习的一元二次方程，y【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】=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。转载请注明出处：www.tangshuang.net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。转载请注明出处：www.tangshuang.net案例是“波特兰的房价”，一套房子大概能卖【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】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【未经授权禁止转载】a，房子大小b，采光c。那么我们我们怎么转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net知道 a, b, c 分别是多少呢？初中【本文首发于唐霜的博客】【原创不易，请尊重版权】求一元二次方程告诉我们，需要给我们三组x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。, y，然后代来代去，最后算出 a, b【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。, c。
【作者：唐霜】本文作者：唐霜，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【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。程这么高的智慧，它能干啥呢？它只能干最蠢本文作者：唐霜，转载请注明出处。原创内容，盗版必究。的事，你需要先知道三套或以上的房子的实际【未经授权禁止转载】【本文首发于唐霜的博客】价格，也就是知道三个以上 [x, y] 转载请注明出处：www.tangshuang.net【本文受版权保护】把所有的a, b, c可能的值，一个一个【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】的代入到方程中，然后计算出 x, y，然【转载请注明来源】本文版权归作者所有，未经授权不得转载。后去看，当前代入的 a, b, c 算出【本文首发于唐霜的博客】【作者：唐霜】来的 x, y 是否和这三个 [x, y【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】] 都匹配，如果找到一组 a, b, c【版权所有，侵权必究】未经授权，禁止复制转载。 正好让方程满足三个 [x, y]，那么【作者：唐霜】【转载请注明来源】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】【版权所有，侵权必究】的解。
【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】 机器学习就是这么蠢。【原创内容，转载请注明出处】
未经授权，禁止复制转载。【未经授权禁止转载】 那么什么是成本函数呢？现在，把上面这个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】房价问题抽象成坐标轴中的数学问题。三套已【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。知房价就是平面坐标轴上的3个点。接下来，【本文受版权保护】【原创不易，请尊重版权】机器学习假设a的范围是[0, 100],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。 b的范围是[0, 50]，c的范围[0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。, 10]，这里是先假设，假如再这个范围【转载请注明来源】【原创内容，转载请注明出处】没找到，我们再扩大范围。A, b, c 【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net的组合就有50000种可能，也就是在坐标著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】系里面，可以画出50000条抛物线。那么【作者：唐霜】【作者：唐霜】哪一条抛物线才是我们要的呢？就是去看这些【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net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。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，侵权必究】【版权所有，侵权必究】的情况下，点的y值减去抛物线上的y值最小著作权归作者所有，禁止商业用途转载。【转载请注明来源】，三个点都这么去计算，当然，为了避免正负【版权所有】唐霜 www.tangshuang.net【作者：唐霜】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】【未经授权禁止转载】对值相加最小的那一条抛物线，就是我们要找本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】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。【原创不易，请尊重版权】f(a, b, c) 的函数，而这个函数【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】，就是成本函数。
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。 成本函数，决定了这次训练过程的性能，也【转载请注明来源】【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,【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。c，这个过程，运气不好的，可能比挖矿还要【原创不易，请尊重版权】【原创内容，转载请注明出处】慢。 【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net【未经授权禁止转载】
- 什么是神经网络呢？未经授权，禁止复制转载。
【关注微信公众号：wwwtangshuangnet】【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。经网络。深度学习就是指基于深度神经网络的本文作者：唐霜，转载请注明出处。【转载请注明来源】机器学习。神经网络和深度神经网络就是程度原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。上的不同，本质一样。
原创内容，盗版必究。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【本文受版权保护】【作者：唐霜】经元都有自己处理信息的能力，通过树突接收著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net信息，通过轴突输出信息。接收的信息可能来【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】自另外一个神经元输出的信息。
【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】 在深度神经网络中，这些神经元被分层，每【原创不易，请尊重版权】【未经授权禁止转载】一层所负责的工作不一样，每一层可以包含多【转载请注明来源】原创内容，盗版必究。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。原创内容，盗版必究。的任何神经元接收，这个根据需要来处理。
转载请注明出处：www.tangshuang.net【转载请注明来源】 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。本文作者：唐霜，转载请注明出处。师在编程时，实际上就是在干这件事，首先安【原创内容，转载请注明出处】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【版权所有】唐霜 www.tangshuang.net【转载请注明来源】每一个神经元加入算法和权重，然后找一大堆【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。训练集，运行这个网络。
未经授权，禁止复制转载。【未经授权禁止转载】 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。未经授权，禁止复制转载。, b, c 的方法实在是太笨了。我们把【作者：唐霜】【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。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。我们现在创建一个2层的神经网络。对于输入【原创不易，请尊重版权】【原创不易，请尊重版权】而言，地理位置的权重最大，房子大小权重居【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】中，采光条件权重最小。第一层网络要解决一【版权所有，侵权必究】【本文首发于唐霜的博客】件事，就是将训练集中的所有房子之间，a,【作者：唐霜】【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】，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】未经授权，禁止复制转载。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】【转载请注明来源】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。【原创内容，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【未经授权禁止转载】本文作者：唐霜，转载请注明出处。到的逻辑关系再次进行运算，得到特定逻辑和著作权归作者所有，禁止商业用途转载。【作者：唐霜】房价之间的关系。
未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net 至于中间的激活函数是什么，我们就不去纠【未经授权禁止转载】本文作者：唐霜，转载请注明出处。结了，这是算法工程师要写的东西。
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。 最终的效果是，通过这个两层的神经网络，原创内容，盗版必究。【版权所有，侵权必究】我们减少了找到 a, b, c 的时间，【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。同时提高了准确率。 原创内容，盗版必究。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本文版权归作者所有，未经授权不得转载。【本文受版权保护】
- 什么是激活函数？原创内容，盗版必究。
【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】 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。未经授权，禁止复制转载。后，为了方便下一层网络使用，我们都要对这本文作者：唐霜，转载请注明出处。原创内容，盗版必究。些不规则的结果值，进行归一化，一般都是将转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net这些值转化为 [0,1] 或者 [-1,原创内容，盗版必究。【版权所有，侵权必究】 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，而不用考虑不未经授权，禁止复制转载。【版权所有，侵权必究】规则的数之间带来的差异。而负责这个转化过【未经授权禁止转载】转载请注明出处：www.tangshuang.net程的算法被称为“激活函数”，激活函数的主【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net要作用，实际上是将非线性的数转化为线性的【本文受版权保护】【原创不易，请尊重版权】，也就是我们经常听到的“线性变换”。
【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。 目前最常被提到的激活函数有 sigmo【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】id, tanh, relu. 【本文受版权保护】未经授权，禁止复制转载。【本文首发于唐霜的博客】【作者：唐霜】
- 什么是模型？【本文受版权保护】
未经授权，禁止复制转载。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【转载请注明来源】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。方程固定下来。另外一个人在要预测另外一套【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】房子的时候，就不需要自己再去训练，而是直原创内容，盗版必究。【本文首发于唐霜的博客】接拿你训练的模型，也就是这个二元一次方程转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net，传入对应的x，得到y就结束了。
【本文受版权保护】【版权所有】唐霜 www.tangshuang.net 训练算法是得到模型的关键。前面说过，机本文作者：唐霜，转载请注明出处。【本文受版权保护】器学习不是追求最准确，而是近似。所以，就转载请注明出处：www.tangshuang.net【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【转载请注明来源】【版权所有】唐霜 www.tangshuang.net，得到更靠近准确值的 a, b, c 的【未经授权禁止转载】【转载请注明来源】过程。算法工程师的功力，实际上就在算法调【本文受版权保护】【本文受版权保护】优（发明或改进算法）的能力上。 【原创内容，转载请注明出处】原创内容，盗版必究。未经授权，禁止复制转载。【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】
- 什么是卷积神经网络（CNN）？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】【原创不易，请尊重版权】 首先，什么是卷积？中文翻译的好，它包含原创内容，盗版必究。本文作者：唐霜，转载请注明出处。“卷”和“积”，积就是相乘，卷就是相加且本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】有反复连续不断的意思。卷积就是将要素值相【本文首发于唐霜的博客】【本文受版权保护】乘，然后将乘积相加的过程，相加多少次由计【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。算目的决定。不过，在相加过程中，实际上有【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。一个衰变过程，也就是说，前面的乘积，在后【未经授权禁止转载】【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【转载请注明来源】【版权所有，侵权必究】最新的积带来的效果大。它的本质，实际上，【转载请注明来源】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，我们可以找到未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net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。【关注微信公众号：wwwtangshuangnet】络中的原因之一。
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】 那么什么是卷积神经网络呢？深度神经网络【版权所有】唐霜 www.tangshuang.net【本文受版权保护】有很多层组成，每一层内包含很多神经元，层未经授权，禁止复制转载。【本文受版权保护】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】【原创内容，转载请注明出处】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【转载请注明来源】层，这个层的主要作用是对输入值进行分组后本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net相乘，然后通过激活函数进行归一化，而且，【转载请注明来源】【关注微信公众号：wwwtangshuangnet】这个神经网络很奇怪，这个特殊层有连续好多原创内容，盗版必究。本文作者：唐霜，转载请注明出处。个，只是里面的参数有稍微的调整。这种就是【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net卷积神经网络，而这个特殊层就是卷积层。当【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。然，这里是一个缩减化的，实际上，在卷积神【本文首发于唐霜的博客】【版权所有，侵权必究】经网络中，连续重复的不是只有卷积层，而是【原创内容，转载请注明出处】【本文首发于唐霜的博客】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。原创内容，盗版必究。就是上面提到的激活函数）、池化层（衰减作【作者：唐霜】【转载请注明来源】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【原创内容，转载请注明出处】层结束之后，还会有一个全连接层，将卷积结转载请注明出处：www.tangshuang.net【本文受版权保护】果做最终的整合，得到最终的结果。
转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。 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】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【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。组合。对图像识别，实际上就是对图像中事物原创内容，盗版必究。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【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】中做呢？首先，将图片像素RGB分别取出，【本文受版权保护】著作权归作者所有，禁止商业用途转载。并通过补充的方式，得到一个3的整数倍长宽【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net的正方形。现在有一个滤波器（一个3未经授权，禁止复制转载。【作者：唐霜】15;3的01矩阵），将原始R层切分为3【原创内容，转载请注明出处】【作者：唐霜】×3的网格，每一格拿出来和滤波【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。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【版权所有，侵权必究】到一个值，然后将所有格子相乘相加得到的值【原创不易，请尊重版权】【未经授权禁止转载】组成一个新的矩阵，并通过激活函数，将上面【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】的值归一化。按照上面的方法，再进行一次滤【版权所有，侵权必究】【本文受版权保护】波相乘相加。如此反复几次，就可以得到一个转载请注明出处：www.tangshuang.net【作者：唐霜】经过归一化的很小矩阵，从而表达R层在某一【本文受版权保护】【原创内容，转载请注明出处】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。【关注微信公众号：wwwtangshuangnet】已同样的道理，再做其他层其他特征的卷积。【版权所有，侵权必究】【本文受版权保护】最终在全连接层对这些特征值进行分类匹配，【访问 www.tangshuang.net 获取更多精彩内容】【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。 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】未经授权，禁止复制转载。
- 分类的重要性著作权归作者所有，禁止商业用途转载。
【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】 对样本进行分类，无论是监督学习（人为给【作者：唐霜】原创内容，盗版必究。出分类），还是非监督学习（人为不给分类，【转载请注明来源】【原创不易，请尊重版权】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】本文作者：唐霜，转载请注明出处。 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】【本文受版权保护】据是什么？就是被预测的值被丢到哪一个分类【版权所有，侵权必究】【原创内容，转载请注明出处】中。例如股票预测中，通过机器学习，得出3【作者：唐霜】本文版权归作者所有，未经授权不得转载。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】【访问 www.tangshuang.net 获取更多精彩内容】。当你输入新的一支股票时，它就可以预测这【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net支股票属于不同分类的概率，并且你可以通过【原创不易，请尊重版权】未经授权，禁止复制转载。最大概率的那个分类进行决策。
【未经授权禁止转载】本文作者：唐霜，转载请注明出处。 所以，机器学习的【推理阶段】本质就是给未经授权，禁止复制转载。未经授权，禁止复制转载。目标进行分类的过程。而它进行分类的依据，【转载请注明来源】未经授权，禁止复制转载。就是来自【训练阶段】的结果，即模型。 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。本文作者：唐霜，转载请注明出处。
- 前端开发者如何学习机器学习？【本文首发于唐霜的博客】
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。 前端开发者最擅长的是应用开发，而非算法原创内容，盗版必究。【未经授权禁止转载】开发。所以，我觉得，要从应用开发开始，建【转载请注明来源】【本文受版权保护】立兴趣。
原创内容，盗版必究。【原创内容，转载请注明出处】 Tensorflow.js 是谷歌开源【转载请注明来源】【版权所有，侵权必究】的机器学习框架，使用 Tensorflo【本文受版权保护】【转载请注明来源】w.js 可以使用 js 作为开发语言，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。进行机器学习的开发。对于这个框架而言，我【未经授权禁止转载】本文作者：唐霜，转载请注明出处。们其实可以做两件事：a 纯作为一个第三方未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】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。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。
【版权所有】唐霜 www.tangshuang.net【作者：唐霜】 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】本文版权归作者所有，未经授权不得转载。是只用一些已经公开的模型，来做应用开发。
未经授权，禁止复制转载。【转载请注明来源】 它的官方网站是 【版权所有，侵权必究】https://tensorflow.g【未经授权禁止转载】【未经授权禁止转载】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。【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】入门文章，掌握如何利用官方公开的模型，做【本文受版权保护】【版权所有，侵权必究】一些小案例，比如如何识别手写体数字等等。【原创内容，转载请注明出处】原创内容，盗版必究。这段时间是疫情时期，大家都在家远程办公，【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。长时间坐着会不会带来健康问题，有一位腾讯【原创内容，转载请注明出处】【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【未经授权禁止转载】【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原创内容，盗版必究。原创内容，盗版必究。om/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】趣可以自己去八一八。同样是人体骨架模型，【关注微信公众号：wwwtangshuangnet】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【原创内容，转载请注明出处】【原创内容，转载请注明出处】点，就是通过对人体骨架的预测，来匹配背景【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】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。未经授权，禁止复制转载。 在使用 tensorflow.js 实【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。现了一些应用之后，如果有兴趣，就可以学习【关注微信公众号：wwwtangshuangnet】【作者：唐霜】它的训练api，同时深入去学习算法，编写【本文首发于唐霜的博客】【本文首发于唐霜的博客】自己的神经网络，创建自己的模型。
【本文首发于唐霜的博客】【原创内容，转载请注明出处】 在小有成就感之后，就可以重新回头，开始【作者：唐霜】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著作权归作者所有，禁止商业用途转载。【本文受版权保护】升自己的算法能力。 【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net
2020-03-01 2635
