Android中的深度学习

度学习和神经网络的基本概念

什么是深度学习

• 1.AI--》机器学习--》深度学习，前面三个概念是递进的，简单来说深度学习是机器学习的一种，深度学习就是利用机器来学习很多数据，而机器学习又是实现AI的一种方式。
• 2.在深度学习中有两个重要的东西：数据和神经网络。在深度学习中有两个重要的过程：训练和测试 1.数据和网络： 1.数据：我们想象一个简单的图片分类场景，我们有10000张已经被人工分好类的图片，每张图片都有一个正确的分类，比如猫、狗等等。 2.网络：这里的神经网络我们可以想象成一个函数，我们的输入是一张图片，输出则是这张图片在每个分类下面的分数。也就是一个分数的数组。 2.训练和测试： 1.训练：在训练的时候我们会将图片集中的图片一次次的输入到神经网络里面去，然后会一次次得到该图片在每个分类下的分数，每当我们得出了一个分数数组之后我们可以计算当前的神经网络的损失值(当前的网络准确率越高损失值越低)，有了损失值，我们的目标就是降低损失值。了解导数的同学都知道我们可以通过求导损失值函数得到让损失值降低的梯度方向，然后反馈到神经网络中。就这样一次次的循环，让损失值降到最低。 2.测试：当我们将神经网络训练到了一个最佳的状态，我们就可以将我们需要进行分类的图片，输入到神经网络中，得到最终神经网络对该图片分类的结果。 3.总结：深度学习到底是怎么学习的呢？我们可以看见我们的训练数据是经过人的处理的，那么深度学习的过程就是将人的处理过程固化到我们的神经网络中，最终让神经网络来代替人工处理的过程。 4.上面只是介绍深度学习的基本流程，如果要更深入地了解可以看这篇博客

什么是神经网络

我们在上一节中说到了，最终人处理数据的过程通过我们的训练被固化到神经网络中去了。下面我会简单介绍一下前面说到的神经网络。

• 1.还是在简单的图片分类场景： 1.我们假设图片为x的大小为100 * 100(我们把图片平铺成为1 * 10000的矩阵)，图片一共有10个分类。 2.那么一个两层的神经网络就是这样的：y = x * w1 * w2(w1为 10000 * a的矩阵，w2为a * 10的矩阵)，这里最终y就是一张图片在各个分类下的分数，式子中的乘法是矩阵乘法。 3.当然层数更多的神经网络就是有更多的w，我们w1 和 w2中的a可以自己定义。
• 2.解释一下y = x * w1 * w2： 1.研究表明我们在看x这张图片的时候，我们会先看图片的轮廓，这里我们大脑中看图片轮廓的神经元就相当于w1 2.看完轮廓之后我们会对这个图片中的东西有基本感觉，判断这张图片属于哪些类别，这里的类别就是x * w1的结果 3.2中的结果会被输入大脑中下一层神经元，这里的神经元就相当于w2，经过w2之后我们就会输出一个结果这里就是y。 4.当然人的神经元层数远比上面说到的多
• 3.训练y = x * w1 * w2的过程以人做对比就相当于：我们有一堆图片给一个啥也不懂的小孩看，刚开始他肯定输出的结果都是错的，但是我们只要每次纠正一下他的错误，那么他脑袋中的神经元(w)就会不断的修改然后识别的准确率不断提高。

Android中的Tensorflow

这一节将会介绍如何在Android中使用已经训练好的神经网络

开始

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!