学习-吴恩达《AI for everyone》2019 深度学习非技术解释 第2部分 可选.zh_哔哩哔哩_bilibili

深度学习Deep learning = 人工神经网络Artificial Neural network

什么是神经网络？

只有一个神经元

4个神经元的神经网络

神经网路的绝妙之处

神经网路的绝妙之处就在于 当你用神经网络来创建一个机器学习系统时， 你只需要给它输入A和输出B就可以了 它自己会把中间所有的事情搞清楚 所以建立一个神经网络,你需要做的就是 给它大量的数据，即输入A,像这样 把这些蓝神经元输给一个黄色神经元 并且你也需要标明输出的数据,比如这里的客户需求 接下来就让软件来弄清楚这些蓝色需要计算什么 从而能完全自动化地，精准地 学习由输入A到输入B的功能映射。

事实证明,只要你给它足够多的数据 并且训练一个足够大的神经网络 它能极好地学习出从输入A到输出B的映射 那么，这就是一个神经网络了。

它就是一组神经元， 每个神经元会计算出一个相对简单的函数 但当你把它们像乐高积木那样堆叠在一起的话 它们可以计算出极其复杂的函数,这些函数 能极其精准地学习出输入A到输入B的映射 

神经网络是如何识别图片的呢？

让我们把图像的小方格放大 来更好地理解电脑是怎样读图的。 这个方格对你我来说是人眼， 而电脑看到的则是 一个由像素亮度值 组成的表格 这个表格告诉电脑 图片里的每一个像素有多亮 如果这是一个黑白或者灰度图像的话 那每一个像素会以一个单独的数来呈现 来告诉你那个像素有多亮 如果是一个彩图的话 那每个像素回以三个数来呈现， 用来表示红,绿,蓝这三个 元素分别在那个像素里有多亮 所以神经网络的工作是把这些数字 作为输入，然后告诉你 图里面人的名字。

上个视频中 你看到了神经网络是如何把 四个数字 -- 分别代表 价格,运费,营销力度，体恤原料--作为输入， 然后输出客户对T恤的需求量。 在这个图像例子中,神经网络 需要输入多得多的数字来分别对应 这张图片里的像素亮度值

如果这个图片的分辨率是 长宽各一千像素（1000 * 1000） 那么总共就是一百万像素 所以,如果有一个黑白或者灰度图像 这个神经网络需要把一百万个数字作为输入 以此来对应这张图片中 所有一百万个像素的亮度 如果是一个彩色图像的话 神经网络需要把三百万个数字 作为输入，因为红蓝绿三原色 每一个都有一百万个像素的亮度 跟之前类似,你将会有很多很多 这些人工神经元来计算很多不同的数值 但不需要你来决定 这些神经元需要计算什么 神经网络自己会计算出来的。

一般来讲,当你给它一个图片时 神经网络前期的神经元 会学会探测出图片的边缘 然后后期一点的会一点点 辨认出物体的各个部分， 它们会学着辨认出鼻子,眼睛 脸颊和嘴巴的形状 然后再晚期一点的神经元,像右边这样的， 会学习辨认出不同的脸型 并且最终将学会 将这些元素融合在一起 来分辨出图片中的人是谁。

再次强调,神经网络的魔法就在于 你并不需要知道神经网络 里面到底在干嘛， 你只需要 给它很多像A这样的图片数据 和像B这样的正确人脸的身份标签， 然后这个学习算法 自己就会弄清楚这中间的 每一个神经元需要计算什么！