先回顾一下单层网络，即一个神经元（自适应线性单元），如下图所示。可以使用梯度下降法训练模型，确定权重与偏置。深度学习涉及训练多层神经网络，也称为深度神经网络。在20世纪50年代Rosenblatt感知器被开发出来之后，直到1986年hinton博士和他的同事开发了反向传播算法来训练多层神经网络，人们才重新对神经网络产生...

如前所述，在20世纪50年代，感知器(Rosenblatt,1956,1958)成为第一个能根据每个类别的输入样本来学习权重的模型。约在同一时期，自适应线性单元(adaptivelinearelement,ADALINE)简单地返回函数f(x)本身的值来预测一个实数(WidrowandHoff,1960)，并且它还可以学...

关于人工神经元，前面章节稍微提过，本章将详细讨论。人脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞，参与处理和传递化学信号和电信号。树突是从其他神经元接收信息的分枝。细胞核处理从树突接收到的信息。轴突是一种神经细胞用来传递信息的生物电缆。突触是轴突和其他神经元树突之间的连接。1943年，研究人员沃伦·...

要运行深度学习项目，建议使用gpu，cpu与gpu比较如下：规格英特尔酷睿i7-6900k处理器极限版英伟达GeForceGTXI080Ti时钟频率3.2GHz<1.5GHz核数83584内存带宽64GB/s484GB/s浮点计算409GFLOPS11300GFLOPS对于深度学习任务，gpu(右列)比cpu(中...

本章我们将从生物神经元开始学习人工神经网络。哺乳动物的大脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞。神经元参与处理和传递化学信号和电信号，它们接受信号输入，在细胞核中处理信号，如果信号强度大于某个阈值，就会把信号输出。人类的大脑可以学习识别物体。例如，婴儿多次看到椅子，并听父母说这是椅子，随着时间推移，他们将...

具有感知、学习、推理和解决问题等认知功能的机器被认为拥有人工智能。当机器具有认知能力时，人工智能就产生了。人类在相关领域的能力是人工智能的衡量标准。弱人工智能 弱人工智能执行特定任务，甚至比人类做得更好，例如，围棋人工智能AlphaGo。弱人工智能是目前人工智能的主要研究领域。强人工智能 强人工智能...

循环神经网络(RNN)是一种用于处理序列数据的人工神经网络，序列数据是相互依赖的（有限或无限）数据流，比如时间序列数据、信息性的字符串、对话等。长短时记忆网络(LSTM)是一类特殊的循环神经网络，具有学习长时依赖关系的能力，是目前最常用的循环神经网络。注意:关于循环神经网络的介绍，可参考我们的教程深度学习–...

卷积神经网络（CNN）旨在解决图像识别问题，卷积神经网络在图像识别、机器视觉等方面有着广泛的应用。这张杭州天际线的图片，可以看到很多建筑和颜色。那么计算机是如何处理这幅图像的呢?图像由像素组成，像素表示图像中的一个颜色点。例如，一个40×30的图像，表示宽40个像素，高30个像素，总共有1200个像素。根据...

生物神经元人脑有数十亿个神经元。神经元是人脑中相互连接的神经细胞，参与处理和传递化学信号和电信号。以下是生物神经元的重要组成部分:树突 –从其他神经元接收信息的分支细胞核 –处理从树突接收到的信息轴突 –一种被神经元用来传递信息的生物电缆突触 ...

数学中的回归是指，现实中的变量之间存在一种函数关系，通过一批样本数据找出这个函数关系，即通过样本数据回归到真实的函数关系。线性回归/LinearRegression是指，一些变量之间存在线性关系，通过一批样本数据找出这个关系，线性关系函数的图形是一条直线。线性函数的方程如下：y=wx+by=wx+b线性回归就是根据一批...

TensorBoard是一个工具，可以图形化显示TensorFlow程序（神经网络），还可以显示许多训练过程中的指标数据，如损失、准确度或权重等。TensorBoard可以帮助用户更好地理解、调试和优化TensorFlow程序。下面是一个线性回归模型的图形：TensorBoard通过读取TensorFlow事件日志文件...

前面章节都是低阶API的介绍，有助于我们理解TensorFlow的基础知识。为方便开发人员，TensorFlow提供了高阶API，包括以下模块：Keras，用于构建和训练深度学习模型的TensorFlow高阶API。EagerExecution，一个以命令方式编写TensorFlow代码的API，就像使用NumPy一样...

TensorFlow中，会话（Session）表示计算图一次执行的上下文，也被称为TensorFlow运行时。TensorFlow应用大致可以分为2个部分：使用计算图定义神经网络结构创建会话运行神经网络(计算图)我们将通过一个例子来加深理解。示例本例完成以下操作：创建两个张量常量创建一个操作打开一个会话打印结果impo...

下面的代码在内存中创建一个默认计算图。importtensorflowastfx=tf.Variable(3,name="x")y=tf.Variable(4,name="y")f=x*x*y+y+2代码中声明了变量和函数，这将会在内存中创建一个默认计算图。默认计算图是TensorFlow默认生成的计算图。>&g...

占位符允许稍后赋值，通常用于存储样本数据。要创建占位符，可使用tf.placeholder方法。语法tf.placeholder(dtype,shape=None,name=None)说明dtype:数据类型shape:占位符的维数，可选。默认情况下，值为赋值数据的形状name:占位符的名称，可选声明一个占位符:imp...