如何简单形象又有趣地讲解神经网络是什么？（知乎）说的人很多，理解很充分_kebu12345678的博客-优快云博客_神经网络知乎

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 148平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄19年

关注

转载 2022-02-13 15:40:57 148 阅读 AI 写同款· GEO 优化 ›

深度学习之Encoder-Only原理与实战【代码】深度学习之Encoder-Only原理与实战。阅读详情

如何简单形象又有趣地讲解神经网络是什么？（知乎）说的人很多，理解很充分_kebu12345678的博客-优快云博客_神经网络知乎

如何简单形象又有趣地讲解神经网络是什么？ - 知乎

收录于

AI理论

当前文章被收录于：

AI理论

206 篇文章 5 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#深度学习 #人工智能 #机器学习

原文链接：https://blog.youkuaiyun.com/kebu12345678/article/details/54915089>

深度学习之Seq2Seq原理与实战【代码】深度学习之Seq2Seq原理与实战。阅读详情

相关推荐

深度学习之TF-IDF原理与实战

【代码】深度学习之TF_IDF原理与实战。

yumiwangzi30的博客 186

深度学习0:数学知识:正态分布1

步骤内容结果1引入e−x2e^{-x^2}e−x2钟形曲线2算它的面积I∫−∞∞e−x2dxI∫−∞∞e−x2dx3平方变成二重积分I2I^2I24换极坐标简化计算5算出I2πI^2 = \piI2πIπIπ6代入σ\sigmaσ和μ\muμ做变量替换得到σ2πσ2π7除以它归一化得到正态分布公式2π2π不是随便写的，它来自高斯积分∫−∞∞e−x2。

tellmewhoisi的博客 194

深度学习之LoRA(低秩适配)原理与实战

【代码】深度学习之LoRA(低秩适配)原理与实战。

yumiwangzi30的博客 256

图解循环神经网络（RNN）

RNN（循环神经网络）就是“带记忆的网络”：让网络拥有一块“记忆”，在处理当前数据时，能同时参考之前看过的内容；它不一次性看完全部输入，而是像人读书一样，一个字一个字地读，每读一个字就更新一次脑子里的记忆，然后用这份记忆去理解当前这个字。但便签一直在被改写，新信息不断挤占旧信息，传到第 40 步时，“巴黎”的痕迹已经淡得几乎没了。读到“贵”的时候，网络并没有重新去查“好看”这个词——但“好看”的影响已经融在了便签里（那个 1.5）。这三个困难的共同点：答案不在当前这一个字里，而在“前面那串东西”里。

技术管理两手抓，两手都要硬. 356

深度学习之词袋(Bag-of-Words, BoW)原理与实战

【代码】深度学习之词袋(Bag-of-Words, BoW)原理与实战。

yumiwangzi30的博客 224

深度学习之LSTM原理与实战

【代码】深度学习之LSTM原理与实战。

yumiwangzi30的博客 129

【原创深度学习项目】基于深度学习的建筑工地防护装备检测系统|安全帽与反光衣检测系统（RT-DETR-L 模型）

本文设计并实现了一套基于RT-DETR-L的建筑工地防护装备检测系统，采用Django+Vue前后端架构，实现对安全帽、反光背心等7类装备及“无PPE”“未戴安全帽”等缺失状态的精准识别。系统支持图片、视频、摄像头实时检测，具备参数可调、数据可视化与统计分析功能，有效解决小目标漏检、误检及管理难问题，助力智慧工地安全管理落地。文末可获取源码。

qq_1445749146的博客 213

AI对战五子棋——深度学习策略网络

在本篇博文中，我们完成了：✔ 构建一个 CNN 五子棋策略网络✔ 让神经网络输出落子概率✔ 使用 Policy Gradient 强化学习训练 AI✔ 让 AI 实现人与 AI、AI 自对弈博弈。

X2829352498的博客 25

神经网络入门指南：从 CNN、RNN 到 Attention

神经网络的学习，本质是“预测—比较—纠错”的循环；CNN 通过局部连接与权重共享理解图像；RNN 通过隐藏状态传递上下文；LSTM 和 GRU 用门控机制管理记忆；Encoder–Decoder 把理解与生成拆成两个阶段；Attention 则让模型在每一步都能主动寻找最相关的信息。到这里，我们已经走完了从普通神经网络到 Attention 的完整路线。下一篇将正式进入 Transformer，看看它如何摆脱 RNN 的顺序计算，又如何让每个 Token 直接找到与自己相关的信息。

爱敲代码的小黄 350

Orcad 17.2导出PDF原理图终极指南：从Ghostscript安装到带属性书签配置

本文是Orcad 17.2导出高质量PDF原理图的终极指南。针对导出过程中常见的Ghostscript安装报错、软件卡死及版本兼容性问题，提供了详细的解决方案。重点推荐使用Ghostscript 9.53.3版本以确保最佳兼容性，并深入讲解了从安装配置、内存优化到高级书签属性设置的完整流程，帮助硬件工程师稳定、高效地生成带完整器件属性和导航书签的PDF文档。

weixin_29281915的博客 396

手把手教你用Logisim搞定华科计组实验：单总线CPU硬布线控制器设计（含Excel自动生成电路技巧）

本文详细解析了如何使用Logisim完成华科计组实验中的单总线CPU硬布线控制器设计，特别分享了利用Excel自动生成电路逻辑的高效技巧。从实验准备、状态机表格填写到模块化构建和系统联调，提供全流程实战指导，帮助读者快速掌握计算机组成原理核心概念，大幅提升实验效率。

weixin_28744423的博客 321

基于深度学习的垃圾分类系统的设计与实现

本系统是一个基于 Flask Web 框架与 PyTorch 深度学习模型的垃圾分类智能识别平台。系统面向垃圾图像分类场景，能够对上传图片中的玻璃、纸张、纸板、塑料、金属、其他垃圾等六类垃圾进行自动识别与置信度评估，并提供识别历史、数据统计、模型在线训练与记录导出等完整功能。系统使用 TrashNet 公开垃圾分类数据集进行模型训练，管理员可手动发起模型训练，训练完成后自动加载新权重。启动服务不会自动训练。

aiyuanma_vip的博客 384

FC游戏Hack实战：从零开始修改游戏数据

本文以《忍者神龟3》为例，详细介绍了从零开始进行FC游戏Hack的完整实战流程。通过使用FCEUX模拟器和调试器，结合“递减法”精准定位生命值内存地址，并利用十六进制编辑器修改关键指令，最终实现“无限生命”效果。文章旨在引导读者理解游戏数据修改的核心原理与操作技巧，重温经典的同时深入计算机程序运行机制。

weixin_28366353的博客 358

CNN 卷积神经网络深度解析：卷积、池化与特征提取的底层原理

卷积核（Kernel），也叫滤波器（Filter），本质上是一个可以训练的权重矩阵。1 0 -11 0 -11 0 -1这个卷积核可以对图像中的局部像素进行加权计算。不同的卷积核能够提取不同类型的特征：水平边缘特征垂直边缘特征纹理特征角点特征局部形状特征在传统图像处理中，滤波器通常由人工设计。而在 CNN 中，卷积核的权重通过训练数据和反向传播自动学习得到。这也是 CNN 能够自动提取图像特征的关键。# 第一层卷积padding=1# 第二层卷积padding=1。

2503_90237586的博客 232

建议收藏：华为海思IC设计笔试题，含解析（附下载）

接触过的部门有麒麟芯片、CPU/GPU，总体面试感觉非常好，规范且认真，第一轮手撕代码状态机+复盘机考题+瞄准几个知识点深挖，时间1hour+；一二轮面试是连着的，所以很累。但是岗位就那么多，在面试的时候，很多同学因为准备不充分，与岗位失之交臂，无缘进入该公司。时序电路有记忆功能，不会产生锁存器，锁存器一般在组合逻辑中case写不全，else写不全，或者敏感列表写不全。

nuoweishizi的博客 3288

【NTN 卫星通信】使用地面网络和卫星网络接入的终端应用场景

卫星接入有广覆盖的特点，可以改善地面接入网覆盖或无线条件差的地区(例如多径干扰)的服务可用性。对于高速移动中需要实时业务的终端，如IMS语音/视频会议，可以通过地面接入和卫星接入同时实现与5G系统的双连接，在地面接入网不可用的情况下获得连续可靠的业务。

weixin_43603524的博客 2558

图解常用深度学习优化器

来隐式构造 Hessian 逆的近似，从而直接估计出“谷底在哪”，而非仅仅判断“哪边最陡”。即SGD/Adam 主要看“当前坡度”，LBFGS 还会看“最近几步坡度怎么变”，像用局部地形图来规划路线。训练 Transformer 时，有些层梯度大，有些层梯度小。如果用 Adam + L2，梯度大的参数反而可能被“少衰减”，正则效果不稳定；：你要下山，但每次迈步前都要派侦察兵把整座山的每一个坡面都测量一遍，算出“绝对最陡”的方向才走一步。：还是下山，但这次你只问身边一个路人“哪边最陡”，然后就走。

技术管理两手抓，两手都要硬. 199

【漏洞复现】Palo Alto Networks PAN-OS GlobalProtect 命令注入漏洞 CVE-2024-3400

在特定PAN-OS版本和不同功能配置下，未经身份验证的攻击者可能利用此漏洞在防火墙上以root权限执行任意代码。技术文章仅供参考，任何个人和组织使用网络应当遵守宪法法律，遵守公共秩序，尊重社会公德，不得利用网络从事危害国家安全、荣誉和利益，未经授权请勿利用文章中的技术资料对任何计算机系统进行入侵操作。本文所提供的工具仅用于学习，禁止用于其他！poc如下，注入点在Cookie中，将其中的DNSlog地址替换为你的dnslog地址,借助DNSLOG来复现，可以使用http://dnslog.pw/

失心少年 1225

证件阅读机如何用多光谱光学成像、端到端深度学习 OCR 与 MRZ 解析、13.56MHz 射频芯片认证三层能力，把单证核验压缩到 1–2 秒

"说走就走"的外国游客多了，酒店前台的压力也就跟着一起"入境"了。复印件在红外图里会丢掉层次，屏幕翻拍件在紫外图里会暴露像素网格和屏幕的摩尔纹，PS 改过的资料页在红外和可见光的交叉比对下常常"对不上"。客人只觉得"这家酒店办入住挺快"，前台只觉得"今天没被催"，店长只觉得"这个月没收到整改通知"。三只眼睛和一个 AI 大脑在 1–2 秒里跑完的一整套核验，被压缩成了体验里那句轻飘飘的"好的，您的房卡"。有意思的是，真正在缓解这个压力的，不是多招几个前台，而是柜台上多了一台巴掌大的小设备——证件阅读机。

智能图像识别 345

数据分析案例-车辆二氧化碳排放量数据可视化分析

本实验数据集来源于Kaggle，该数据集捕获了车辆二氧化碳排放量随不同特征变化的详细信息。数据集取自加拿大政府官方开放数据网站。其中包含 7 年期间的数据。总共有 7385 行和 12 列。各列变量含义解释如下：Make:车辆的品牌或制造商。Model:车辆的具体车型名称。Vehicle Class:车辆的分类，如紧凑型、SUV等。Engine Size(L):车辆发动机的尺寸，以升为单位。Cylinders:车辆发动机的气缸数。

m0_64336780的博客 1万+

YOLOv11来了，使用YOLOv11训练自己的数据集和推理(附YOLOv11网络结构图)

YOLOv11 由 Ultralytics 在 2024 年 9 月 30 日发布，最新的 YOLOv11 模型在之前的 YOLO 版本引入了新功能和改进，以进一步提高性能和灵活性。YOLO11 在快速、准确且易于使用，使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。

在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步 28万+

基于深度学习的猫图像目标检测方法研究：YOLOv8s模型海选、多种子对比训练与Django+ONNX部署实现详解

本课题基于深度学习研究猫图像目标检测问题。数据集含1000张猫图像、1188个标注框，按固定比例划分并冻结清单；训练前在多个候选族中短训海选，确定YOLOv8s为主模型，经学习率搜索与显存标定后完成150轮训练，验证集mAP50达到0.92，并以7个随机种子的对比实验验证稳定性。最优权重导出为ONNX接入Django系统，提供图片、视频、摄像头三种识别方式，配套识别记录管理与统计大屏，形成从训练到应用的完整闭环。

WEIXIN_JSJBSZDS的博客 162

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

无人机巡检道路路面异常检测数据集 深度学习 目标检测无人机巡检道路病害路面异常 YOLO格式数据集发布9028期

qq_2529413168的博客 167

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

深度学习0:数学知识:正态分布2(积分,幂函数积分公式)

积分符号∫(\int∫= 把无数个极窄的小矩形面积（高度×dx(\times dx×dx)）“拼接”起来。dx(dxdx= 无穷小的宽度。定积分的结果= 曲线下方的总面积（一个具体的数字）。不定积分= 寻找求导前的那个原函数。这就是“积分求面积”最朴素的意思！

tellmewhoisi的博客 209

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

基于深度学习的肌肉骨骼X光骨折分类方法研究——数据清洗、ResNet50训练与Django部署全流程

本文介绍基于深度学习的肌肉骨骼X光骨折分类方法研究。课题基于公开FracAtlas数据集，先做错标清洗与分层划分，再以ResNet50迁移学习训练二分类模型，通过类别权重与早停应对类别不平衡，模型导出ONNX后配合能量分数与近邻阈值实现域外拒识。系统采用Django与Vue实现，包含图片识别、识别历史管理与可视化大屏等功能，全流程可复现，适合作为计算机专业毕业设计的参考方向。

WEIXIN_JSJBSZDS的博客 400

【深度学习实验】—— YOLOv12 添加 SE 注意力机制：实现、训练与水果检测对比

本次实验在 YOLOv12n 中接入 SE（Squeeze-and-Excitation）通道注意力，使用已有四类水果数据集，完成模块编写、模型解析器注册、前向与梯度检查、模型训练和最佳权重评估。项目本次设置与结果模型YOLOv12n 基线 / YOLOv12n SE 替换版任务四类水果目标检测数据集200 张图片，594 个标注框划分训练 160 张 / 验证 20 张 / 测试 20 张训练两组各 2 轮，batch=2，imgsz=640，seed=0，随机初始化。

weixin_65899656的博客 216

上一篇：向量函数的求导问题？ - 知乎

下一篇： cv中mat数据结构-OpenCV高性能计算：数据结构解析 - 知乎

深度学习之TF-IDF原理与实战

yumiwangzi30的博客

11-06

186