最近发现有些读者通过将我的教程进行二次出售来获取暴利我在此对其表示强烈的谴责
通过对前面文章的学习,我们已经知道神经网络可以实现真正的床长人工智能怎麼样本小节我会进行详细地讲解,让大家彻底地弄懂神经网络在仅仅只学完一篇文章后,你肯定依然感觉朦胧这是正常的,因为不鈳能用一篇文章就把神经网络给讲清楚了当你学完本小节所有文章后,你就会感觉豁然开朗了
我们需要弄懂的第一步就是如何将数据輸入到神经网络中。例如在语音识别、人脸识别这些应用中,是如何将语音、人脸输入到神经网络中的
下面我拿识别女优的例子来给夶家介绍如何将女优的图片数据输入到神经网络中。
此例中待输入的数据是一张图像。为了存储图像计算机要存储三个独立的矩阵(矩阵可以理解成二维数组,后面的教程会给大家详细讲解)这三个矩阵分别与此图像的红色、绿色和蓝色相对应(世界上的所有颜色都鈳以通过红绿蓝三种颜色调配出来)。如果图像的大小是64 * 64个像素(一个像素就是一个颜色点一个颜色点由红绿蓝三个值来表示,例如紅绿蓝为255,255,255,那么这个颜色点就是白色)所以3个64 * 64大小的矩阵在计算机中就代表了这张图像,矩阵里面的数值就对应于图像的红绿蓝强度值上图中只画了个5 * 4的矩阵,而不是64 * 64为什么呢?因为没有必要搞复杂了反而不易于理解。
为了更加方便后面的处理我们一般把上面那3個矩阵转化成1个向量x(向量可以理解成1 * n或n * 1的数组,前者为行向量后者为列向量,向量也会在后面的文章专门讲解)那么这个向量x的总維数就是64 * 64 * 3,结果是12288在床长人工智能怎么样领域中,每一个输入到神经网络的数据都被叫做一个特征那么上面的这张图像中就有12288个特征。这个12288维的向量也被叫做特征向量神经网络接收这个特征向量x作为输入,并进行预测然后给出相应的结果。
对于不同的应用需要识別的对象不同,有些是语音有些是图像有些是传感器数据但是它们在计算机中都有对应的数字表示形式,通常我们会把它们转化成一个特征向量然后将其输入到神经网络中。
本篇文章我们已经知道了数据是如何被输入到神经网络中的那么神经网络是如何根据这些数据進行预测的呢?我们将一张图片输入到神经网络中神经网络是如何预测这张图中是AV女优的呢?下篇文章我将给大家揭晓