点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
约翰，不可忽视直觉。因为直觉表示处理过快的数据，这让有意识的人根本无法理解。——Sherlock Holmes所以小芯带来了本期文章——致力于为初学者创建最小的神经网络。而比起神经网络背后的复杂数学和算法，通过创建最小的神经网络并训练它来完成一个简单的任务，更能让你对神经网络如何工作有一个直观的印象。神经网络是权重的集合。我们可以在一组输入和输出值（目标或标签）上训练神经网络。神经网络内部的权重与输入相连并输出结果。在训练网络时，权重会更新，这样网络就能尝试匹配输出值与目标值。简而言之，神经网络就是学习输入和输出之间的映射。现在，让我们一起来看看所有这些是什么意思。以下是只有一个权重（w）的最小神经网络。输入一个值（x），乘以权重，结果就是网络的输出值。由于这个神经网络非常小，我们将在一个非常简单的任务上对其进行训练。我们的任务是向其提供任何数字，网络应更改该数字的符号。例如，如果输入3，则网络应输出-3。现在，我将在Keras中构建并训练最小的神经网络，这是一个深度学习库。现在不需要深入了解语法，这只是为了有个直观印象。import kerasfrom keras.layers import Densemodel = keras.models.Sequential()model.add(Dense(1, input_shape=(1,)))model.compile(loss='mse', optimizer='adam')
view rawsmallest_nn.py hostedwith ❤ by GitHub
太棒了！我们创建了只有一个权重的神经网络。现在，我们来创建用于训练神经网络的训练数据。import numpy as npdata_input = np.random.normal(size=100000)data_label =-(data_input)
view rawsmallest_nn_data.py hostedwith ❤ by GitHub
我们也创建了训练数据。数据包含10万个随机数，标签为该数字的负数。用刚刚创建的数据来训练网络。
首先，随机初始化神经网络的权重。随着不断训练网络，权重也会随之更新。开始训练之前，请先检查权重。现在把数据放入网络中进行拟合。拟合只不过是训练的另一个名称。我们已经训练完了网络。正如你在进度条中看到的一样，网络是在10万个样本上训练的。现在向网络输入一个值并观察反应。网络几乎完成了任务。输出值与输入数字非常接近，而且符号相反。因为我们将在更多的数据上训练这个网络，所以输出结果会越来越接近目标值。看一下现在的权值。当我们对网络进行数据训练时，权重从0.42变为-1左右。很显然，一个数字只有乘以-1才能改变该数字的符号。作为一个函数逼近器，基本上神经网络可以通过调整它的权值来学习任何输入值和输出值之间的映射。一旦它学会了这种映射，它就可以给任何一个输入值生成一个近似的输出值。所以，即使你是初学者，也不要怕，从创建最小的神经网络开始吧~
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
