看懂这十步，8岁的小朋友都能理解深度学习

下面是Yann LeCun设计的最早的LeNet-5卷积神经网络，这是图像识别领域的几个早期成果之一。

9、靠反向传播实现自我改进

不过，整个过程不只靠卷积完成，还需要依靠神经网络自身学习和适应的能力，比如借助一种叫做反向传播的方法，靠权重来减少神经元的数量。

简单来讲，我们看神经网络的输出的结果，如果输出的这个分类是错的，比如把手写的6认成了9，我们就认为，其中有一个过滤器犯了个错误，是个不靠谱的过滤器，担不起自己的责任，就把它的权重降低，下次神经网络就不会犯同样的错误了。

这样，整个神经网络系统就拥有了学习能力，保持自我提升。

10、写在最后

找了数千张图片，运行了数十个过滤器，采样输出……所有的步骤都可以完美的同时搞定，因此适合在GPU上运行。

另外，我们还没有讨论准确率的问题，在图像识别竞赛ImageNet中，根据历年的结果，我们可以看出，随着神经网络层数的增加，准确率在不断提升。

最后，本文讲得虽然是识别手写字母，但所有的图像识别，无论是用于医疗还是用于自动驾驶，原理都是一样的，靠很多层神经网络、各种滤波器，在不同的矩阵上做各种变换。

也就是说，所有图像识别都是在GPU上运行的矩阵运算。

传送门

英文原文：

https://www.ovh.com/blog/deep-learning-explained-to-my-8-year-old-daughter/

（编辑：核心网）

【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!