没有钙的神经网络 我今年14岁，对神经网络非常感兴趣。我从9岁起就一直在编程，最近我发现了AI和神经网络的世界。 14岁会导致一些

Question

工具添加抽象

对于神经网络，有很多不同的工具，有些人可能以前听过。一个不完整的列表包括，例如，

tensorflow

Answer 1

Pytorch

（我个人喜欢），
Keras

（如果需要，它在后端中使用Tensorflow）和许多其他。 这些都允许您沿着这些行“实现反向传播”（pytorch中的示例）：

optimizer.zero_grad()
loss.backward()
optimizer.step()

原始化optimizer和loss也很容易做到，您可以获得很多不同的选择。 ，但是，提出一个良好的网络很难

当然，有了所有这些选择，您必须知道（至少有些）要使用的架构（或优化器或损失等）。如果您了解基础操作的执行方式，它会有所帮助

即使只是一些高级的理解，也知道卷积是什么，anderred误差与跨熵损失有何不同（仅在这里抛弃一些单词）会使生活变得更加轻松。

您网络根本无法正常工作的原因可能只是代码中非常小的细节，而与经典编码不同，计算机不会真正告诉您故障的原因是什么。这使得很难进行调试，尤其是如果您缺乏对基本概念的理解。

你怎么能开始

当然，您可以从创建一个简单的神经网络开始，甚至不需要太多的理解。许多列出的工具包提供了自己的教程部分，以使您在该地区开始。 尤其是目前所有围绕神经网络的炒作，那里有很多（或多或少的经验丰富）的人创建jupyter笔记本，github页面，博客条目等，充满了宝贵的例子。

与计算机科学中的所有内容一样，实践变得完美，您将慢慢地开始了解越来越多的基本概念。 dave已经指出，那里也有一些非常轻松的解释，更多地关注理论。目前，许多人正在尝试从完全不同的领域转向AI/ML，因此对您的主题和您一样多。可悲的是，在了解其背后的“基本数学”之后，我从这个话题开始，因此我不能推荐任何特定的书/教程/作者要阅读。

可能并不令人兴奋，但我强烈建议您尝试与Perceptrons合作。它们是对神经网的好介绍。而且，如果您真的打算与MLP合作，那么您就可以专注于学习梯度下降的概念和功能变化率
    

开始感官。无需微积分：

https：//sites.google.com/site/tomspagesthirdmillennium/home/a-demntration-of-Anterage-rather-incover-Intelligence-for-beginners