Keras 深度学习实战——神经网络基础与模型训练过程详解

鱼弦：公众号【红尘灯塔】，CSDN博客专家、内容合伙人、新星导师、全栈领域优质创作者 、51CTO(Top红人+专家博主) 、github开源爱好者（go-zero源码二次开发、游戏后端架构 https://github.com/Peakchen）

Keras 深度学习实战（1）——神经网络基础与模型训练过程详解

1. 简介

本教程将介绍 Keras 深度学习框架中的神经网络基础知识以及模型训练过程的详细步骤。

2. 神经网络基础

2.1 神经元

神经元是神经网络的基本单元，它模拟生物神经元的结构和功能。每个神经元由以下部分组成：

• 输入端： 接收来自其他神经元的信号，称为输入。
• 权重： 用于控制每个输入信号对神经元的影响程度。
• 激活函数： 将输入信号进行非线性变换，产生神经元的输出。
• 输出端： 将神经元的输出信号传递给其他神经元。

2.2 激活函数

激活函数用于引入非线性因素，使神经网络能够学习更复杂的关系。常用的激活函数包括：