人人都看得懂的神经网络，如何形象直观地理解深度学习

最近看到一组漫画 ，解释了深度学习的原理。什么是深度学习？下图表示了深度学习与机器学习的关系，可见深度学习是属于机器学习的一种，但是中间的推理过程是类似于人脑的神经元的构成，而机器学习更像是一棵树状的规则来推理。

深度学习可以做什么？

神经元的运行原理，经典是是MNIST手写数字识别，我们需要利用神经网络教会电脑识别手写数字。

比如下图，我们会采用尺寸为28X28，共784个像素的图片作为输入：

神经网络通过几层、若干的神经元学习，学习到如何把这784个像素分类到0-9的哪一个类别里。

学习的过程实际上是，为神经网络的连线以及每个神经元赋值的过程：

以上是这组漫画表达的概念。结合我的实践，最近给学生讲课的时候，我用了一个工具，就是谷歌的playground.tensorflow，通过直观的可视化的方式，演示了各种类型的数据集，在特征多少、网络深度、网络宽度

（神经元数量）方面的表现。

关键是每个神经元学习到了什么特征，也是一目了然，中间通过粗细的线条，表示神经元之间的权重关系，最后综合出来一个分类结果。

这就是神经网络~

神经网络强大之处在于，我们根本不需要想出各种各样的特征，用来输入给系统。我们只需要输入最基本的特征x1, x2, 然后给予足够多的神经网络和神经元，神经网络会自己学习到最有用的特征。

有了直观的感受，学习深度学习再也不难了~~

如果对智能设计感兴趣，

推荐订阅我的星球1年。