學習-吳恩達《AI for everyone》2019?深度學習非技術解釋 第2部分 可選.zh_嗶哩嗶哩_bilibili

深度學習Deep learning = 人工神經網絡Artificial Neural network

什么是神經網絡？

只有一個神經元

4個神經元的神經網絡

神經網路的絕妙之處

神經網路的絕妙之處就在于 當你用神經網絡來創建一個機器學習系統時， 你只需要給它輸入A和輸出B就可以了 它自己會把中間所有的事情搞清楚 所以建立一個神經網絡,你需要做的就是 給它大量的數據，即輸入A,像這樣 把這些藍神經元輸給一個黃色神經元 并且你也需要標明輸出的數據,比如這里的客戶需求 接下來就讓軟件來弄清楚這些藍色需要計算什么 從而能完全自動化地，精準地 學習由輸入A到輸入B的功能映射。

事實證明,只要你給它足夠多的數據 并且訓練一個足夠大的神經網絡 它能極好地學習出從輸入A到輸出B的映射 那么，這就是一個神經網絡了。

它就是一組神經元， 每個神經元會計算出一個相對簡單的函數 但當你把它們像樂高積木那樣堆疊在一起的話 它們可以計算出極其復雜的函數,這些函數 能極其精準地學習出輸入A到輸入B的映射?

神經網絡是如何識別圖片的呢？

讓我們把圖像的小方格放大 來更好地理解電腦是怎樣讀圖的。 這個方格對你我來說是人眼， 而電腦看到的則是 一個由像素亮度值 組成的表格 這個表格告訴電腦 圖片里的每一個像素有多亮 如果這是一個黑白或者灰度圖像的話 那每一個像素會以一個單獨的數來呈現 來告訴你那個像素有多亮 如果是一個彩圖的話 那每個像素回以三個數來呈現， 用來表示紅,綠,藍這三個 元素分別在那個像素里有多亮 所以神經網絡的工作是把這些數字 作為輸入，然后告訴你 圖里面人的名字。

上個視頻中 你看到了神經網絡是如何把 四個數字 -- 分別代表 價格,運費,營銷力度，體恤原料--作為輸入， 然后輸出客戶對T恤的需求量。 在這個圖像例子中,神經網絡 需要輸入多得多的數字來分別對應 這張圖片里的像素亮度值

如果這個圖片的分辨率是 長寬各一千像素（1000 * 1000） 那么總共就是一百萬像素 所以,如果有一個黑白或者灰度圖像 這個神經網絡需要把一百萬個數字作為輸入 以此來對應這張圖片中 所有一百萬個像素的亮度 如果是一個彩色圖像的話 神經網絡需要把三百萬個數字 作為輸入，因為紅藍綠三原色 每一個都有一百萬個像素的亮度 跟之前類似,你將會有很多很多 這些人工神經元來計算很多不同的數值 但不需要你來決定 這些神經元需要計算什么 神經網絡自己會計算出來的。

一般來講,當你給它一個圖片時 神經網絡前期的神經元 會學會探測出圖片的邊緣 然后后期一點的會一點點 辨認出物體的各個部分， 它們會學著辨認出鼻子,眼睛 臉頰和嘴巴的形狀 然后再晚期一點的神經元,像右邊這樣的， 會學習辨認出不同的臉型 并且最終將學會 將這些元素融合在一起 來分辨出圖片中的人是誰。

再次強調,神經網絡的魔法就在于 你并不需要知道神經網絡 里面到底在干嘛， 你只需要 給它很多像A這樣的圖片數據 和像B這樣的正確人臉的身份標簽， 然后這個學習算法 自己就會弄清楚這中間的 每一個神經元需要計算什么！