AI学习干货平台

看了那么多关于AI的视频和书，感觉这个资料库的内容确实可以的。

简单易懂，而且图文并茂。（举例）

假设我们有表1-1所示的训练数据样本。

表1-1 训练样本示例

其中，x1,x2,x3 是每一个样本数据的三个特征值，Y 是样本的真实结果值：

随机初始化权重矩阵，可以根据正态分布等来初始化。这一步可以叫做“猜”，但不是瞎猜；
拿一个或一批数据作为输入，带入权重矩阵中计算，再通过激活函数传入下一层，最终得到预测值。在本例中，我们先用Id-1的数据输入到矩阵中，得到一个 A 值，假设 A=5；
拿到Id-1样本的真实值 Y=3；
计算损失，假设用均方差函数 Loss=(A−Y)2=(5−3)2=4；
根据一些神奇的数学公式（反向微分），把 Loss=4 这个值用大喇叭喊话，告诉在前面计算的步骤中，影响 A=5 这个值的每一个权重矩阵，然后对这些权重矩阵中的值做一个微小的修改（当然是向着好的方向修改，这一点可以用数学家的名誉来保证）；
用Id-2样本作为输入再次训练（Go to 2）；
这样不断地迭代下去，直到以下一个或几个条件满足就停止训练：损失函数值非常小；准确度满足了要求；迭代到了指定的次数。

训练完成后，我们会把这个神经网络中的结构和权重矩阵的值导出来，形成一个计算图（就是矩阵运算加上激活函数）模型，然后嵌入到任何可以识别/调用这个模型的应用程序中，根据输入的值进行运算，输出预测值。

这是一个免费的AI学习干货平台。

该社区由微软亚洲研究院人工智能教育团队创立，集合了微软与高校教师、开发者共享的人工智能教学大纲和课件、案例资源、开发工具与环境搭建教程等，更有微软顶级工程师互动答疑，是最酷的AI教育学习第一站！