大家好~~歡迎來到第十七篇深度學習-2

這篇要來跟大家介紹關於感知器的觀念，感知器呢，如果大家有自學的或是看書籍的人，在很多資料中都有提到甚麼是感知器，但是有些會講得很模糊，或者是交代不清楚，所以在這裡我跟大家也說明一下甚麼是感知器。

上圖呢，本人從參考資料中提供，其實感知器就會跟分類有很大的關係，可以想像就是他今天接收到一個 input 然後他將這個 input 進行無數的判斷，並且區分出有何差異，這個差異就是分類的部分，而她為什麼要做這件事情呢？其實這件事情是訓練的第一步驟，今天如果你們要碰上訓練這條路，一定要知道，你的 input 來源怎麼來，而且你是怎麼取得的，這個都相當重要，為甚麼，如果你不清楚你的來源，那你的知道是怎麼做的，並且你怎麼做分類的，你會根本搞不清楚哪一部分資料是什麼，另一個資料又是什麼，這樣根本沒辦法達到訓練的效果。

訓練

• 乾淨
• 明確
• 數據量

1. 乾淨

   • 你的資料來源一定要非常乾淨，甚麼意思，如果你接收的資料是非常雜亂的，那你在訓練的時候，他就會將雜亂的資料都訓練進去，那這樣你就沒辦法達到最純的結果，可能結果都會參雜一些怪怪的資料。

2. 明確

   • 明確，你的知道一定要很清楚，這個過程怎麼做出來的，並且你怎麼分類他，你只要很清楚你怎麼做的，相對的這些資料的來源你也非常肯定沒問題。

3. 數據量

   • 這個就很看個人所抓的資料而定，有些人就是喜歡做一些比較複雜的辨識部分，那複雜的點是他的雜訊以及各種物體都要抓得非常足夠，不然如果只有幾張簡簡單單的就進行訓練的話，訓練效果通常都很差。

那麼大家可以參考參考底下的感知器資料，他簡單利用內部遷入的資料來做分類動作，他所用到的就是感知器的概念，讓你的資料細分達到資料分類的效果。
感知器參考資料

分類、正確性、數據量等等，都相當重要。