【图解深度学习】【章节：1-1.2 | 神经网络输入输出】连小学生都能看懂的深度学习基础总结
💁 這應該是本站最好的人工智能資料庫
👋 本文由 EasyAI 原創，首發于 CSDN🙉
?? 歡迎點贊 👍 收藏 ?留言 📝 如有錯誤敬請指正！
😎未來很長，值得我們全力奔赴更美好的生活?
本章內容
- 圖像是如何制作的？
- 小章總結
- 神經網絡輸入輸出
- 小章總結
圖像是如何制作的？
我將更詳細地解釋 NN 中的運動。為此，首先，讓我們看看輸入到 NN 的圖像會發生什么。
為了清晰起見，考慮簡單的圖像。
這是數字“0”的手寫圖像。圖像由 28x28 像素組成。每個像素都有從白色到黑色的顏色，當它們聚集在一起時，就會創建一個圖像。
這些顏色在計算機中以數字形式表示。白色用“1”表示，黑色用“0”表示，隨著變淺逐漸接近“1”，隨著變深接近“0”。當你收集這些數字時，你會得到一個單一的圖像。
這一次，讓我們考慮一個更簡單的圖像。
上圖是一個圖像，其中 0、1、2、3、4、5、6、7、8、9 寫在 8x8 的空間中。如果這個數字用數字表示，它將是從“0.0”到“1.0”的數字集合。為了便于說明，字符部分為“0.9”，背景為“0.1”。
讓我們把這張圖片放到NN中。
到目前為止的總結
- 圖像顏色在計算機中以數字形式表示
- “1.0”代表白色，“0.0”代表黑色
- 收集數字以創建圖像
?? 在實踐中，白色 = 255 等，但為了便于說明，白色 = 1.0
神經網絡輸入輸出
考慮將圖像輸入到神經網絡時的運動。這一次，為了簡單起見，我們將使它成為一個沒有中間層的 NN。
假設輸入有 64 個神經元，輸出有 10 個神經元。
輸入層的 64 個神經元代表一個“8x8 圖像”。圖像的 64 個像素數字進入輸入層的 64 個神經元。圖像中的數字是一一輸入的。
輸出層的 10 個神經元代表“10 個數字 0 1 2 3 4 5 6 7 8 9”。這 10 個神經元接收 NN 計算的“結果”。所有神經元都包含結果值。
這10個神經元中，數值最大的神經元就是判別結果。例如，假設您得到了上面顯示的結果。對于這個結果，我們使用激活函數之一的“Softmax 函數”，以便更容易理解值的大小。
然后我們看到，具有最大值的神經元是具有’5’值的神經元。
這意味著NN已經決定 “輸入圖像是5！” 這意味著NN已經決定輸入的圖像是5。
它說：“我做了計算，但這個圖像是5。”
我們要創建的人工智能是一個神經網絡，它可以確定圖像中寫入的數字 0 到 9 中的哪一個。例如，輸入“3”的圖像將導致“第 3 個輸出神經元”中的最高值，輸入“7”的圖像將導致“第 7 個輸出神經元”中的最高值，等等。目標是創建一個可以進行此類預測（計算）的神經網絡。
到目前為止的總結
- 輸入層的 64 個神經元代表一個“8x8 圖像”
- 輸出層的 10 個神經元代表“10 個數字 0 1 2 3 4 5 6 7 8 9”
- 在輸出層的神經元中，數值最大的神經元就是判別結果。
在這一章中我們講述了圖像和神經網絡的出入輸出，在下一章中我們會學習 "神經網絡中的運動"
敬請期待
| 🚀 更新歷史 🚀 |
| 2022/10/6 | 添加了關于神經網絡的章節 | 機器學習 |
| 2022/10/7 | 更新了神經網絡第二章節 | 機器學習 |
版權聲明：本文為CSDN博主「EasyAI_人工智能知識庫」的原創文章，
遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明
總結
以上是生活随笔為你收集整理的【图解深度学习】【章节：1-1.2 | 神经网络输入输出】连小学生都能看懂的深度学习基础总结的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 前端学习（3327）：闭包的形式2
- 下一篇： 物料主数据（MM03）跳转函数