大家好~~歡迎來到第十六篇 深度學習

大家好~本篇要來初步介紹一下深度學習概念以及介紹。

首先呢，要了解深度學習就要了解神經網路是甚麼。

上面的圖的範例是，我經過一個參數讓他利用機器學習做學習，而學習的過程就是中間那些圈圈的部分，那麼那些方式就很像是神經網路(Neural network)，我幫大家有找到了一個神經網路的網站參考資料，其中裡面有許多神經網路的型態樣式，很多大家可能會搞混，初學者們我建議先以 感知器、CNN、RNN為主，這三個在深度學習中會比較常看到，也是目前比較常見的。

那麼神經網路到底對我們的影響有多高？

• 車子
• 行人
• 網路
• IOT
• 雲端運算
  等等類型其實都會受到神經網路很大的影響，但是這個影響到底怎麼造成的，想像一下深度學習就很像我們人類的腦袋，他就是不斷的記憶他所學習到，並且加以去判斷何謂對，何謂錯，一旦他清楚之後，他只要在這個社會上做應用就可以做出跟人很類似的判斷能力，但不能完全取代人類。
  
  我們看看上面這個照片的示意圖。
• 輸入層
• 隱藏層
• 輸出層

1. 輸入層
   • 顧名思義就是你的輸入參數，他將你輸入的物體接收起來
2. 隱藏層
   • 隱藏層也可以叫做處理層，其實他就是有很多可能性，他一直不斷的判斷這些可能性並且得出他最終的答案，但是這個答案不見得是正確的，所以她這個答案會在重新經過你的校正進一步再做輸出，所以最終的輸出會經過不斷的可能性判斷完畢之後才會有結果。
3. 輸出層
   • 輸出就是將你最後結果輸出的地方。

所以神經網路看起來很複雜，其實他的意思非常簡單，但是真正有難度的是，你要將你的參數套入這些方式的時候該怎麼套呢？而且還要進一步判斷你所要訓練的到底是什麼資料？

我底下有給予各位兩個網站的參考資訊，不懂之處可以再加上參考資料，大家會更加的了解。

那麼先謝謝大家的觀看，我們下一篇再來慢慢深入介紹。
深度學習參考資料
神經網路類型

難度正要提高，不可放棄，慢慢加油