深度学习DeepLearning Inference 学习笔记

作者：运维做开发 | 2024-08-03 14:56:22

踩

隐藏层	神经元	多层感知器

应当选择正确的隐藏层数和每层隐藏神经元的数量，以达到这一层的输出是下一层的输入，逐层变得清晰，最终输出数据的目的。

在人脸识别的应用中，我们将图片视作连续的像素值序列，隐藏层不断匹对信息，颗粒从小到大。

神经元层通过逻辑回归，计算出这层的数据参数能有多大的可能性，然后把它作为下一层的输入。

$\vec w_j^{[i]}$ , i是层数，j是这一层第几个神经元。从0开始计层，输入层不计。

$a_j^{i}=g(\vec w_j^{[i]}*\vec a^{[i-1]}+b_j^{[i]})$
注：g是激活函数。

这种传播是正向传播

在这里插入图片描述

x = np.array([[2,1])	一行二列的矩阵数组
x = np.array([[2],[1]])	二行一列的矩阵数组
x = np.array([2,1])	一维数组

numpy与TensorFlow的矩阵规范差异
在这里插入图片描述

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/运维做开发/article/detail/923473