其實 不管是類神經網路，學習語言或是學習任何領域的知識，都不斷的強調: 先去用了，就知道要學什麼 。 特別是類神經網路這哦領域的知識，看了數種tensorflow 教學，有些人用數學的方式來介紹神經網路，嚇壞了一堆人，包括我，以為要學習神經網路要有非常深厚的數學能力，事實上當我們開始撰寫Tensorflow的程式碼的時候， 一行數學式子都沒有用上 ，連我自己都嚇傻眼，但我不是反對你去了解這些數學式子，而是要告訴你其實學習類神經網路這件事情，比完全了解神經網路運作原理來的簡單太多了。 就像 學開車一樣，其實大多數的人(包含我)，都一直以為開車加速的[油門]是真的把油打開，但開車開了這麼多年上山下海，直到最近才知道原來所謂的油門，其實應該稱作[氣門]，我們實際上並不是控制油，而是控制進氣閥，控制進去引擎的空氣量大小，錯了這麼多年了對於我們開車這件事情好像沒有太多影響。 如果 不去深入了解類神經網路的數學式與原理，那我們該了解什麼，這也是這篇文章最重要的重點， 學習類神經網路我們應該去瞭解他的觀念還有他的特性，並學會怎麼去假設我們的問題與目標，並使用神經網路幫我們解決這個議題。 那 我們該怎麼學習神經網路，Google一開始用了幾個範例來交導我們入門，用了手寫辨識這個簡單的範例，但是這個範例有一個很大的問題，就是不見頭不見尾，我娓娓道來。 分類( classification ) 的問題，為什麼很多機器學習的一開始就會介紹分類，而學習神經網路也對於分類這麼重視， 事實上他就是我們大腦無時無刻都在做的事情，只是我們不稱他叫做分類，我們稱它叫做[決定]、[判斷] 。 舉一個簡單的例子，例如我今天中午想要吃什麼午餐，我會想想 我肚子有沒有很餓，現在天氣式冷還是熱，所以我再[決定]要吃什麼午餐的時候我就是在以 肚子餓的程度與天氣的溫度做為判斷依據，於是我開始收集數據 肚子很餓，天氣很冷 想吃火鍋 肚子不餓，天氣很冷 想吃牛肉麵 肚子很餓，天氣很熱 想吃便當 肚子不餓，天氣很熱 想吃涼麵 如果我把這件件事情 量化 (量化就是把事...