1、神经网络结构 上次分享了tensorflow的基础知识，今天我们就通过实现一个简单的神经网络来将知识点串联起来，目标是用神经网络来预测 一个分类问题：在输入x1（零件长度）和x2（零件质量）的情况下预测零件是否合格（y=0或1）。 网络的结构很简单，输入层两个神经元，隐层6个神经元，输出层 ...

一、循环神经网络简介 　　循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上，循环神经网络会记忆之前的信息，并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念 ...

一、深度学习与深层神经网络 深层神经网络是实现“多层非线性变换”的一种方法。 深层神经网络有两个非常重要的特性：深层和非线性。 1.1线性模型的局限性 线性模型：y =wx+b 线性模型的最大特点就是任意线性模型的组合仍然还是线性模型。 如果只通过线性变换，任意层的全连接神经网络 ...

...

刚学习pytorch，简单记录一下 输出结果： ...

刚开始学习tf时，我们从简单的地方开始。卷积神经网络（CNN）是由简单的神经网络（NN）发展而来的，因此，我们的第一个例子，就从神经网络开始。 神经网络没有卷积功能，只有简单的三层：输入层，隐藏层和输出层。 数据从输入层输入，在隐藏层进行加权变换，最后在输出层进行输出。输出的时候，我们可以使 ...

4.1卷积神经网络 觉得有用的话,欢迎一起讨论相互学习~ 吴恩达老师课程原地址 1.6多通道卷积 原理 对于一个多通道的卷积操作，可以将卷积核设置为一个立方体，则其从左上角开始向右移动然后向下移动，这里设置Padding模式为VALID，步长为1. 注意 ...