由于只记关键和不懂的部分 希望做到下次再看这部分笔记就记得
所以用词会非常简练
前向传播
输入数据依次经过模型的各层，按照各层定义的运算规则进行计算，最终得到模型预测输出的过程。
单向的信息流动，不涉及模型参数的更新。
助于思考的逆向思维：练成的模型根据图片上的特征来识别
例子：
所以我们需要特征来凝聚成一些东西去训练模型
特征越多 模型识别越精准
而前向传播一般有n层神经网络 每层神经网络有m个神经元和x个特征产生联系 其深浅叫做权重
神经元自带一个偏置+权重之和得到一个数字
Z=b+W(i)x(i)
m个神经元有m个数字
此时神经网络使用激活函数 将小于0的数字都变成0 其他数字保持不变
激活以后 得到传向下一个神经网络的产品
第二层神经网络以此类推 只是偏置与权重不同 以及最终的激活函数把最后得到的m个数字变成 m 个百分数且加起来刚好100% 这就是最终结果
图片经过模型识别显示的每个百分数表示这图片属于某个图形的可能性。
