介绍
深度学习 是一种高级形式的机器学习，它试图模拟人类大脑学习的方式。
在你的大脑中，你有一个名为神经元的神经细胞，它们通过通过网络传递电化学信号的神经扩展相互连接。
当激发网络中的第一个神经元时，将处理输入信号，如果它超过特定阈值，则会 激活 神经元，并将信号传递给连接到的神经元。 这些神经元反过来可能会被激活，并通过网络的其余部分传递信号。 随着时间的推移，随着你了解如何有效响应，神经元之间的连接会通过频繁的使用来加强。 例如，如果有人向你扔球，你的神经元连接使你能够处理视觉信息并协调你的动作来捕捉球。 如果你反复执行此作，参与接球的神经元网络将变得更强，因为你学会了如何更好地抓住球。
深度学习使用人工神经网络模拟这种生物过程，这些神经网络处理数字输入而不是电化学刺激。
传入神经连接被通常标识为 x 的数字输入所取代。 当有多个输入值时， x 被视为具有名为 x1、 x2 等元素的向量。
与每个 x 值关联的 权重 （w），用于增强或削弱 x 值的效果来模拟学习。 此外，还添加了 偏差 （b） 输入，以便对网络进行精细控制。 在训练过程中，将调整 w 和 b 值以优化网络，使其“学习”以生成正确的输出。
神经元本身封装了计算 x、 w 和 b 的加权和的函数。 此函数又包含在 激活函数 中，该函数将结果（通常限制为 0 到 1 之间的值）以确定神经元是否将输出传递到网络中下一层神经元。