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
Posted EasyAI_人工智能知识库
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了节：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相关的知识，希望对你有一定的参考价值。
💁 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。
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 28x28 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。
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 8x8 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
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。
输入层的 64 个神经元代表一个“8x8 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。
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。
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。”
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“8x8 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 |
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
以上是关于节：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主要内容，如果未能解决你的问题，请参考以下文章
我奶奶都能看懂系列002☀️python基础语法，小学生也可以学！