大家好~我开设了“深度学习基础班”的线上课程,带领同学从0开始学习全连接和卷积神经网络,进行数学推导,并且实现可以运行的Demo程序
线上课程资料:
加QQ群,获得ppt等资料,与群主交流讨论:106047770
本系列文章为线上课程的复盘,每上完一节课就会同步发布对应的文章
本文为第二节课:“判断性别”Demo需求分析和初步设计(中)的复盘文章
本课程系列文章可进入索引查看:
目录
主问题:什么是神经元?
已知一个人的身高为150厘米,体重为50公斤,如何使用神经元得到该人的性别(应该为女性)?
什么是训练?
什么是推理?
- 已知两个人的身高和体重,能否使用神经元得到他们的性别(一男一女)?
答:能,因为权重、偏移为未知量,总数量为3,小于方程的数量(2),所有有无数解,所以可确定一组解(权重、偏移)
- 如何修改代码?
答:修改train函数:给出一组权重、偏移,使得结果为分别为0、1;
激活函数不变
- 已知四个人的身高和体重,能否使用神经元得到他们的性别?
答:不能
- 为什么?
答:因为权重、偏移为未知量,总数量为3,小于方程的数量(4),所以无解
- 如何扩展,才能有解?
答:使用神经网络,增加权重、偏移的数量!
- 请设计一个最简单的神经网络?(有几层?每层有几个神经元?)
答:
- 如何根据输入层的输入,最终得到输出层的输出?
答:计算公式如下所示:

- 现在有几个未知解?能够有解了吗?
答:有解
“根据输入层的输入,最终得到输出层的输出?”的过程称为前向传播
前向传播算法包括哪些步骤?
答:从输入层开始,依次传入每层,得到每层的输出;
最后传到输出层,得到最后的输出
答:修改后的相关代码为:
Neural_forward_answer
let forward = (state: state, sampleData: sampleData): float => {
(sampleData.height *. state.weight1 +.
sampleData.weight *. state.weight2 +.
state.bias)->_activateFunc
}
let inference = (state: state, sampleData: sampleData): gender => {
forward(state, sampleData)->_convert
}
推理函数需要修改吗?
答:不需要
神经网络代码如下所示: