终于开始学神经网络了，之前一直觉得这个概念很玄乎。

看了一些视频和文章，大概理解了：

基本概念

神经网络就是模仿人脑神经元的工作方式。每个神经元接收输入，加权求和，再通过激活函数输出。

一个最简单的神经网络结构：

  • 输入层：接收数据
  • 隐藏层：提取特征（可以有多个）
  • 输出层：给出结果

激活函数

为什么需要激活函数？如果没有激活函数，多层神经网络就等价于线性回归，就没法处理复杂问题了。

常用的激活函数：

  • ReLU：简单好用，f(x) = max(0, x)
  • Sigmoid：把输出压缩到 0-1 之间
  • Softmax：用于多分类

今天踩的坑

用 PyTorch 的时候，忘记把数据转成 Tensor，一直报错… 后来才发现要这样：

还有 GPU 加速的问题，我服务器没有 GPU，只能用 CPU 跑，速度确实慢。

慢慢来吧，先把基础打好。