1
最近、ニューラルネットワークとそれらの用途をアプリケーションで使用しています。ちょうど最近、私は0-9（MNIST）から手書き数字を分類する方法を学ぶニューラルネットワークを説明するチュートリアルに出くわしました。私はとのトラブルを抱えているチュートリアルからのコードの一部は、私は何が起こっているかの基本的な知識を持っている（https://pythonprogramming.net/tensorflow-neural-network-session-machine-learning-tutorial/）基本ニューラルネットワークでの整流線形関数の使用
def neural_network_model(data):
hidden_1_layer = {'weights':tf.Variable(tf.random_normal([784, nodes_hl1])),
'biases':tf.Variable(tf.random_normal([nodes_hl1]))}
hidden_2_layer = {'weights':tf.Variable(tf.random_normal([nodes_hl1, nodes_hl2])),
'biases':tf.Variable(tf.random_normal([nodes_hl2]))}
hidden_3_layer = {'weights':tf.Variable(tf.random_normal([nodes_hl2, nodes_hl3])),
'biases':tf.Variable(tf.random_normal([nodes_hl3]))}
output_layer = {'weights':tf.Variable(tf.random_normal([nodes_hl3, n_classes])),
'biases':tf.Variable(tf.random_normal([n_classes])),}
l1 = tf.add(tf.matmul(data,hidden_1_layer['weights']), hidden_1_layer['biases'])
l1 = tf.nn.relu(l1)
l2 = tf.add(tf.matmul(l1,hidden_2_layer['weights']), hidden_2_layer['biases'])
l2 = tf.nn.relu(l2)
l3 = tf.add(tf.matmul(l2,hidden_3_layer['weights']), hidden_3_layer['biases'])
l3 = tf.nn.relu(l3)
output = tf.matmul(l3,output_layer['weights']) + output_layer['biases']
return output
を下回っています。 3つの隠れ層は、それぞれ、バイアスおよび重みによって接続されたノードの集合である。最終的な出力層は、ニューラルネットワークの結果である。 tf.nn.relu（）を含むコード行を除いて、ここではすべてを理解しています。 TensorFlowのドキュメンテーションを見ると、その関数は整流されたフィーチャの線形（https://www.tensorflow.org/api_docs/python/nn/activation_functions_#relu）を計算することに言及しています。私は、この機能が何を実行しているのか、それがニューラルネットワークにどのような意味を持っているのか、むしろ混乱しています。