【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



💁 这应该是本站最好的人工智能资料库

👋 本文由 EasyAI 原创,首发于 CSDN🙉

⌚️ 欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!

😎未来很长,值得我们全力奔赴更美好的生活✋



本章内容



图像是如何制作的?


我将更详细地解释 NN 中的运动。为此,首先,让我们看看输入到 NN 的图像会发生什么。


【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

为了清晰起见,考虑简单的图像。

这是数字“0”的手写图像。图像由 28×28 像素组成。每个像素都有从白色到黑色的颜色,当它们聚集在一起时,就会创建一个图像。

这些颜色在计算机中以数字形式表示。白色用“1”表示,黑色用“0”表示,随着变浅逐渐接近“1”,随着变深接近“0”。当你收集这些数字时,你会得到一个单一的图像。


【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


这一次,让我们考虑一个更简单的图像。

上图是一个图像,其中 0、1、2、3、4、5、6、7、8、9 写在 8×8 的空间中。如果这个数字用数字表示,它将是从“0.0”到“1.0”的数字集合。为了便于说明,字符部分为“0.9”,背景为“0.1”。

让我们把这张图片放到NN中。



到目前为止的总结

  • 图像颜色在计算机中以数字形式表示
  • “1.0”代表白色,“0.0”代表黑色
  • 收集数字以创建图像

⚠️ 在实践中,白色 = 255 等,但为了便于说明,白色 = 1.0



神经网络输入输出


【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


考虑将图像输入到神经网络时的运动。这一次,为了简单起见,我们将使它成为一个没有中间层的 NN。

假设输入有 64 个神经元,输出有 10 个神经元。


【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

输入层的 64 个神经元代表一个“8×8 图像”。图像的 64 个像素数字进入输入层的 64 个神经元。图像中的数字是一一输入的。

【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

输出层的 10 个神经元代表“10 个数字 0 1 2 3 4 5 6 7 8 9”。这 10 个神经元接收 NN 计算的“结果”。所有神经元都包含结果值。


【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

这10个神经元中,数值最大的神经元就是判别结果。例如,假设您得到了上面显示的结果。对于这个结果,我们使用激活函数之一的“Softmax 函数”,以便更容易理解值的大小。

然后我们看到,具有最大值的神经元是具有’5’值的神经元。
这意味着NN已经决定 “输入图像是5!” 这意味着NN已经决定输入的图像是5。
它说:“我做了计算,但这个图像是5。”



【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


我们要创建的人工智能是一个神经网络,它可以确定图像中写入的数字 0 到 9 中的哪一个。例如,输入“3”的图像将导致“第 3 个输出神经元”中的最高值,输入“7”的图像将导致“第 7 个输出神经元”中的最高值,等等。目标是创建一个可以进行此类预测(计算)的神经网络。


到目前为止的总结

  • 输入层的 64 个神经元代表一个“8×8 图像”
  • 输出层的 10 个神经元代表“10 个数字 0 1 2 3 4 5 6 7 8 9”
  • 在输出层的神经元中,数值最大的神经元就是判别结果。


在这一章中我们讲述了图像和神经网络的出入输出,在下一章中我们会学习 "神经网络中的运动"

敬请期待



🚀 更新历史 🚀
日期更新内容类型
2022/10/6添加了关于神经网络的章节机器学习
2022/10/7更新了神经网络第二章节机器学习


版权声明:本文为CSDN博主「EasyAI_人工智能知识库」的原创文章,
遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年10月8日 下午9:17
下一篇 2022年10月8日 下午9:19

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!