图灵奖得主，带你详解深度学习(16)

2019-03-31

图14/33

我们要做的是用这些图像训练神经网络，去调整好那11935个参数。我们可以用其中3万个图像训练，用剩下3万个图像检验训练效果。

这个训练调整参数的方法，就是“误差反向传播”。比如我们输入一个数字“7”的图像。

图15/33

神经网络实际收到的是784个像素值。经过两层神经元的传播计算，理想情况下，输出层的7号神经元的输出值应该最接近于1，其他的都很接近于0。

一开始结果并不是这么准确，我们要用一套特定的规则去调整各个神经元的参数。

参数调整有个方向，叫做“误差梯度”。

比如对输出层的7号神经元来说，调整方向就是要让它的输出值变大；对其他9个神经元，调整方向则是让输出值变小。

这个调整策略是看哪个输入信息对结果的影响大，对它的权重的调整就要大一点。

几万个训练图像可能会被反复使用多次，神经网络参数不断修改，最终将会达到稳定。

推荐阅读

上一篇：短视频风口，如何成为Vlog网红？数据告诉你

下一篇：营销观察 | 猫爪杯之后，“不务正业”的星巴克又开始吆喝玩具熊了