人工智能

经过前几篇的铺垫，终于到了自定义神经网络的部分。这也是博主一开始的目标，不使用任何框架，跟着大佬手撸一个神经网络，然后run起来。目标如下： 实践神经网络中的基础组件，例如Tensor，神经网络

我们在模型篇介绍了模型的基础概念以及训练和推理的过程。在模型训练部分有提到几个概念，例如： 参数更新：利用优化算法（如梯度下降算法）根据梯度信息对模型参数进行更新。 损失函数： 将模型预测的结果

通过上一篇文章，我们大概了解了神经网络以及常见的神经网络结构和应用场景。但是在日常与算法同学打交道中，基本都是算法同学提供模型，工程化同学进行推理获取结果。那么模型是什么，怎么产生的模型，模型训

神经网络是AI界的一个基础概念，当下火热的神经网络例如RNN循环神经网络或者CNN卷积神经网络，都是从基础的神经网络发展而来的。本系列博客的主要目标是自定义一个神经网络，并把训练结果保存到模型文