手写一个2层神经网络，反向传播
不用框架，纯Python手写一个2输入、3隐藏神经元、1输出的微型神经网络，带你一步步理解前向传播和反向传播的完整过程，把13个参数如何自动调整讲得明明白白。
阅读
当前正在查看筛选结果
人工智能
共 7 篇匹配内容。
分类
标签
分类：人工智能
权重和偏置到底怎么算？
用身高体重预测分数的例子，一步步数清神经网络里权重和偏置的数量，让你再也不迷糊。
阅读
预测与训练的核心拆解
用最直白的方式拆解逻辑回归中的 predict 和训练循环，抓住“先猜、看差多少、再调权重”的核心流程，让你彻底理解模型如何从数据中学习。
阅读
从硬判断到概率输出：一步步升级你的第一个神经网络
为什么模型不该直接输出0或1？本文用直观例子带你理解sigmoid函数，将原始分数转化为概率，让模型判断更柔和、更接近真实神经网络。
阅读
用1个神经元搞懂AI怎么学习
不用矩阵，不讲隐藏层，我们写一个只有1个神经元的小模型，让它学会根据身高体重判断大体型。通过一个简单例子，带你理解AI训练的本质：猜错就改参数。
阅读
、神经网络就是个会调权重的小机器
觉得神经网络太抽象？我们用打分机的比喻，一步步拆解：输入、权重、训练，三个词就能抓住本质。
阅读
从身高体重判断体型：一个比XOR更好懂的神经网络入门
用身高体重判断大体型，手把手带你写一个最简单的神经网络。没有复杂数学，只有直观理解和可运行的Python代码，让你真正体会机器学习“从数据中学规则”的核心思想。
阅读