1、什么是神经网络？神经网络是由具有适应性的简单单元（神经元模型）组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。【Kohonen 1988】神经网络的一 个重要性质是它可以自动地从数据中学习到合适的权重参数。用图来表示神经网络的话，如图所示。我们把最左边的一列称为 输入层，最右边的一列称为输出层，中间的一列称为中间层。中间层有时 也称为隐藏层。“隐藏”一词的

什么是损失函数损失函数（loss function）或代价函数（cost function）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。神经网络以某个指标为线索寻找最优权重参数。神经网络的学习中所用的指标称为损失函数（loss function）。这个损失函数可以使用任意函数，但一般用均方误差和交叉熵误差等。损失函数是表示神经网络性能的“恶劣程度”的

一、输出层的设计神经网络可以用在分类问题和回归问题上，不过需要根据情况改变输出层的激活函数。一般而言，回归问题用恒等函数，分类问题用softmax函数。1、恒等函数和softmax函数恒等函数：将输入按原样输出，对于输入的信息，不加以任何改动地直接输出。softmax函数：图示：代码实现：import...

什么是损失函数损失函数（loss function）或代价函数（cost function）是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。神经网络以某个指标为线索寻找最优权重参数。神经网络的学习中所用的指标称为损失函数（loss function）。这个损失函数可以使用任意函数，但一般用均方误差和交叉熵误差等。损失函数是表示神经网络性能的“恶劣程度”的

一、输出层的设计神经网络可以用在分类问题和回归问题上，不过需要根据情况改变输出层的激活函数。一般而言，回归问题用恒等函数，分类问题用softmax函数。1、恒等函数和softmax函数恒等函数：将输入按原样输出，对于输入的信息，不加以任何改动地直接输出。softmax函数：图示：代码实现：import...

一、重要知识掌握1、掌握headers参数的使用2、掌握发送带参数的请求3、掌握headers中携带cookie4、掌握cookieJar的转换方法5、掌握超时参数timeout的使用6、掌握代理ip参数proxies的使用7、使用verify参数忽略CA证书8、掌握requests模块发送post请求9、掌握利用requests...

一、输出层的设计神经网络可以用在分类问题和回归问题上，不过需要根据情况改变输出层的激活函数。一般而言，回归问题用恒等函数，分类问题用softmax函数。1、恒等函数和softmax函数恒等函数：将输入按原样输出，对于输入的信息，不加以任何改动地直接输出。softmax函数：图示：代码实现：import...

卷积神经网络（CNN）应用于图像识别、语音识别等。1、整体结构全连接（Affine层）VS CNN全连接：CNN：2、卷积层2.1 全连接层存在的问题当输入数据是图像时，图像通常是高、长、通道方向上的3维形状，全连接层输入时，需要将3维数据拉平为1维数据，如手写数字识别。因为全连接层会忽视形状，将全部的输入数据作为相同的神经元（同一维度的神经元）处理，所以无法利用与形状相关的信息。而卷积层可以保持