原文地址在本文中，我们将深入探讨卷积神经网络（CNN）：如何训练CNN（包括梯度推导），从头实现反向传播（仅使用numpy）以及最终构建完整的训练！本文假定你对CNNs有基础了解，如果否，请参考CNN01本部分同时也要求你有多元微分的知识. 您可以根据需要跳过这些部分，但还是建议阅读它们，对写代码有用。开始我们从上一篇文章停下来的地方开始，我们正在使用CNN来解决MNIST手写数字识别问题：...

原文链接在过去的几年里，关于卷积神经网络（Convolution Neural Networks，CNN）的讨论越来越多，特别是因为它彻底改变了计算机视觉领域。在本文中，我们将基于神经网络的基本背景知识，探索CNN是什么，了解它们的工作原理，并在Python中从头开始构建一个真正的CNN（仅使用numpy）。这篇文章仅假设你拥有神经网络的基本知识。我对神经网络的介绍涵盖了您需要了解的所有内容...

原文地址基础介绍Softmax将任意实数值转换为概率，这在机器学习中通常很有用。其背后的数学非常简单：给定一些数字，将它们作为 e) (一个数学常数) 的幂加总所有以e为底的指数，结果作为分母每个单独指数为分子概率等于分子除以分母更确切地说，Softmax对n个给定的$x_1 \ldots x_n$数字作以下转换 :$$ s(x_i) = \frac{e^{x_i}}{\sum_{j=1}^...

原文地址这可能会让您感到惊讶：神经网络并不复杂！“神经网络”一词经常被用作流行语，但实际上，它们通常比人们想象的要简单得多。这篇文章是针对初学者的，并假定机器学习基础为零。我们在Python中从头实现神经网络。让我们开始吧！构建基础：神经元（Neurons）首先，我们必须引入神经元这个概念，这是神经网络的基本单位。神经元接受输入，并对它们进行一些数学运算，然后输出。下面是双输入神经元的模型：...