神经网络

什么是神经网络？是描述深度学习的一种模型。

神经网络的基石？大量的数据，根据大量的数据，通过神经网络找到数据的规律。

神经网络有哪些层？输入层、隐藏层、输出层。

神经网络怎么分类？最简单的就是按层数，或者按有没有监督。

神经网络用来干嘛？(图像、文本、语音)分类、识别、预测。更高级的就是人工智能。

神经网络的进阶？迁移学习（之前的工作复用），强化学习（通过反馈进行修正, Alpha Go的核心）

神经网络的基本流程？下面要说的就是。

神经网络基本流程

搭一个神经网络从头到尾怎么搞？其实很简单…..

Step1: 收集大量的数据，可以带标签的，也可以不带标签的，得到训练集，测试集，验证集。如果听不懂这一句话的吧，可以先学习一下简单的机器学习

Step2: 人工构建神经网络的结构，有多少个输入层结点，有多少个隐藏层，隐藏层里有多少个运算的结点。所以这个简单的结构说到底就是描述有多少层，每个层都有多少个运算结点。

Step3: 定义层与层之间的运算，也就是定义激励函数，是线性的还是非线性的，非线性的选哪种。

Step4: 定义loss和optimizer，如何定义损失，是做差，还是平方差，还是log差。如何优化，是梯度下降，还是随机下降。

Step5: 开始用训练集来训练，训练多少次，需不需要分步训练，需不需要训练时保存参数，需不需要训练时调用参数。

Step6: 开始用测试集来测试，测试多少次，每次测试怎么调参，需不需要考虑别的东西。

Step7: 开始用验证集来验证，仅仅验证一次，验证准确率呀，看看效果如何。

Step8: 把结构和参数保存，这样就是一个已经OK了的网络，以后可以直接调用。

不全，没有分类，具体遇到什么问题的时候，比如识别？分类？预测？然后看看有没有人用过下述网络做过类似的问题，有的话就认真看一下。

强化学习：