哈囉大家好～
上一篇說完了隨機森林，今天我們又回到神經網絡，因為電腦計算能力的飛躍提升，加上能獲取大量的數據(更多的公開資料庫)，神經網絡的表現越來越好，
神經網絡變得越來越多層，也就是深層神經網絡(DNN)，DNN的出現也帶來許多運用，例如:電腦視覺。深度神經網絡中有很多非線性啟動函數，像是sigmoid和ReLU，還有處理generalization的dropout等等。在深度學習中Google發展出一種厲害的圖像分類模型叫GoogLeNet或Inception，除了用很大量的圖像做訓練，還包括超過100個層。深度神經網絡最重要的三件事是需要大量數據，添加dropout層獲得更好的generalization，最後實驗許多不同類型的算法、超參數和數據集，透過深度學習，我們能得到非常準確的預測，而TensorFlow就是一個用在機器學習上非常好用的開源套件。說完深度神經網絡，下一篇我們就來說說Tensorflow吧!
那們我們明天見！！！！！
iThome鐵人賽
看影片追技術