2.1神经传导原理
y=activation(x*w+b)
激活函数通常为非线性函数 Sigmoid 函数 和 ReLU函数
2.2以矩阵运算模仿真神经网络
y=activation(x*w+b)
输出=激活函数(输入*权重+偏差)
2.3多层感知器模型
1以多层感知器模型识别minst 手写数字图像
输入层的数据 是28*28的二维图像 以reshape 转换为1 维的向量 作为784个神经元的shuru
输入层 784 个输入神经元接收外界信号
隐藏层 模拟内部神经元 共有 256个隐藏神经元
输出层 10个输出神经元就是预测的结果
对应我们希望预测的数字 0-9共有10个结果
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Tensorflow+Keras 深度学习人工智能实践应用 Chapter Two 深度学习原理 - Python技术站