莫烦PYTHON | Tensorflow教程——Tensorflow简介（第一章）_莫烦python讲得好差

教程食用感受：如果你偶然翻到了这篇文章，那么就看一下我对这个系列教程的感受吧，首先就是讲的太磨叽，第二是备课不足，第三讲的不透彻。。。尤其是后面的高阶部分，我觉得还不如看书，所以我不建议看这套教程。。我是看不动了。。当然莫烦老师个人水平可能很高，但是讲课水平真的不高，个人感受，勿喷。
本笔记基于莫烦python的tensorflow教程

1.1 科普：人工神经网络VS生物神经网络

生物神经网络：人的神经网络由900亿个神经细胞组成，我们完成/学习一项动作其实就是一个记忆过程，对于一件没有接触过的事情我们负责这块事情的神经元其实不是连接起来的，当我们开始做了这件事，神经元开始产生联结，记忆形成，就变成了一块流通的神经网络。
人工神经网络：所有的神经元之间的连接都是固定不可更改的，不会产生新的连接。人工神经网络典型的学习方式就是，例如一个新生婴儿学习向家长要糖吃糖这件事，我已经知道吃糖果这件事，并且能够进行正确的反馈，但是我想让人工神经网络帮助我做这件事，所以我准备好很多吃糖果的数据集，通过输出进行训练，最后到输出，看输出的动作是不是讨糖，进而修改神经网络中的神经元的强度（反向传播回去），这种修改叫做“误差反向传递”，观察这个负责传递信号的神经元到底其没有起到作用，争取下次做出更好的贡献。
区别：人工神经网络不产生新连接，靠的是正向和反向传播来不断的更新神经元，从而训练出一个好的神经系统，而这个神经系统其实就是一个让计算机处理的可优化的数学模型；而生物神经网络是通过刺激，产生新的连接形成通路而进行反馈。

1.2 什么是神经网络

神经网络如何从经验中学习呢？
神经网络的训练结果有对有错，对于错误的结果，神经网络会对比正确答案与错误答案之间的区别，然后把这个区别反向传递回去，对每个神经元进行一点点的改变，下次就用修改之后的神经元进行更准确的训练。
神经网络如何训练呢？
每个神经元都有属于他自己的激活函数，用这些函数给计算机一个激励行为。在第一次给计算机看猫图片的时候，神经网络只有部分神经元被激活，这部分神经元所传递的信息是对输出结果最有价值的信息。如果输出的结果判断错了，那么就会修改神经元，这部分神经元就会变得迟钝，其他神经元会变得敏感，从而被激活，这样一次次的训练，所有神经元的参数都在被改变，他们才会对重要/正确的信息更为敏感。