njh18790816639的博客

虽然是2017年由Google推出，如果按照的思路看，那它无疑是过时的，但可惜的是，目前很多论文的核心依然是，或者由其进行改进的，故本文使用pytorch来搭建一下这个模型。

这个就比较简单了，最简单的感知机（最简单的两层神经网络），这里只不过是多层的感知机。它的思想还是比较好理解的，主要是如何针对不同的应用来实现它。它最明显的特征就是具有三个层次，卷积层，池化层，全连接层。借用一张图，下图很好的表示了什么是卷积（提取特征），什么是池化（减少数据量），而全连接层就是一个简单普通的神经网络。如下代码，该代码定义了一个卷积神经网络。其中仅有一个简单的函数前向传播。所准备是数据如下图，是一种手写数字，通过识别图片分析来得到答案。，这个函数的功能其实就是输入数据，给出预测，并不复杂。

因为需要机器学习的助力，所以（浅浅）进修了一下。现在什么东西和AI结合一下感觉就好发文章了；我看了好多学习视频，发现机器学习实际上是数学，并不是常规的去学习代码什么的（虽然代码也很简单），而是去学习原理。这其实并不合我的学习方法，所以我歪门邪道了一下，先实用，再搞原理（这样就比原先快了许多）这里我比较推荐的唯一的一本书籍是统计学习方法（因为这本书我大概可以看懂，其他方面的书籍都不太适合纯新手）