摘要：
yield真的是一个很神奇的东西啊 有yield的函数就像类一样 必须有 exampel = function_name() 然后调用next(example)或者example.__next__()来让程序运行到第一个yield处并返回yield后面的值 接着不停的调用这个函数让他运行到第二个yi 阅读全文
摘要：
sigmoid(z): sigmoid(z)=1/(1+exp(-z)) z为通过神经网络对样本i的计算值 样本i的最终答案要么是0，要么是1 sigmoid的函数图像为 可以看到其值域为(0,1) sigmoid(z)表示这个样本为正样本的概率 在大部分情况下，我们的概率要么特别趋近与0，特别趋近 阅读全文
摘要：
我们已有一个训练集，X，Y [x1, [y1, x2, y2, X= x3, Y= y3, . . xn] yn] xi=[xi1,xi2,xi3,.....xim] xi用来描述第i个样本 yi=0 or 1 yi用来描述第i个样本是正样本还是负样本 然后对于已有的 W=[w1,w2,....., 阅读全文
摘要：
我这里只写对监督学习的理解，因为只学到这嘛 神经网络有一个输入和一个输出 对于输入，比如我们输入一张图片 图片可以被抽象为3个矩阵，分别为R,G,B 我们可以将这三个矩阵变成一个超级长的列向量，方法就像你用一维数组表示二维数组一样 然后我们需要用神经网络去训练出一个行向量和一个数字b 得到一个数x= 阅读全文
摘要：
在网上看了吴恩达老师的慕课，现在来总结一下 神经网络： 由神经元组成的网络，这些神经元构成了一个完全图 神经元： 神经元有很多种，有线性的，有卷积的。 结合具体的例子来说一下，比如说图像识别吧 我把一张图像输入每一个神经元，然后每一个神经元对这个图像进行处理，然后输出一个预测值。 总有点仿生学的感觉 阅读全文