深度学习基础课:“判断性别”Demo需求分析和初步设计(中) | 杨元超的世界

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:

本节课录像回放

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:

深度学习基础课系列文章索引

目录

回顾相关课程内容

主问题:什么是神经元?

主问题:什么是神经网络

- 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:image

- 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:

image

- 现在有几个未知解?能够有解了吗?

答:有解

主问题:什么是前向传播

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

任务:用代码实现神经网络

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:

NeuralNetwork_answer