機器學習的實作

那麼

究竟是怎麼實作出機器學習的呢

目前比較主流的方式是神經網路

類神經網路是機器學習發展的重要里程碑

他模仿了人類大腦的結構與運作方式

並且能夠處理相對複雜的數據

類神經網路的架構在上世紀中葉就已經被提出了

如今你去找神經網路的圖

你會看到一堆節點

並且有好幾層的結構

早期的硬體及運算資源還不足以支撐這麼複雜的算法

因此只能做單層的神經網路

效果也因此沒有很好

一直到Nvidia發明了GPU

這才讓多層的神經網路運算成為可能

下面我們來說說神經網路的實作

如果你今天是想要使神經網路能夠分辨這張圖片的動物是貓或是狗

所需要做的第一步就是將圖分割成上百或上千張小圖

接著分別放入神經網路最左側的節點內

經由神經網路的算法後獲得最右邊的兩個節點

一個代表貓 一個代表狗

根據算出來的數字代表神經網路判斷這張圖片可能是什麼動物的可信度

所以你會看到類似貓:98% 狗15%的數字

以Facebook來說

你可能會注意到相片具有人臉辨識功能

會自動幫你標記誰在照片裡面

以蘋果來說

他可以幫你分辨你照片中的動物哪些是你的寵物 哪些不是

然後自動幫你把照片分類好