電腦如何思考？——類神經網路

訓練類神經網路

在上個章節，我們學習到資料搜集，以及討論它會牽涉的問題，

接著，讓我們進入到訓練類神經網路的階段，概觀地了解訓練時會經歷哪些流程。

在訓練完類神經網路之後，我們會在下個章節介紹如何應用類神經網路。

(還記得在上個章節的資料搜集嗎？)

(我們為了避免討論的情境太過複雜，將訓練資料集重新整理成以下的十張照片)

(按下進行迭代後，請仔細觀察訓練類神經網路的過程)

(下方的表格是每張圖片在每次迭代所計算出的輸出值)

知識補充

w₁₁、w₁₂、w₁₃、...、 w_nn 這些符號代表什麼意思？

在類神經網路中，w_ab這個符號表示「權重」，至於下標的數字，則表示這個權重是從「前一層的第a顆類神經元」到「後一層的第b顆類神經元」，例如一個類神經網路中有一層中的第3顆類神經元與下一層的第4顆神經元連接起來的權重，就會表示成w₃₄。

「迭代」是什麼意思？

「迭代」在電腦科學領域，是常見的詞彙，通常在描述一個循環，但更詳盡的意思我們暫不討論。在類神經網路訓練的過程中，類神經網路會在每次迭代把每一筆資料都讀取過，並且提取資料中的特徵，調整類神經網路中的權重，讓輸出的判斷結果更符合我們給予的訓練資料集。

思考一下，回答問題

問題一

觀察類神經網路訓練的過程後，說說看每次迭代有經歷哪些流程吧。

問題二

雖然在上述的內容當中，沒有提到類神經網路是依據什麼調整權重，

但試著想看看，類神經網路會在每次迭代中依照什麼調整權重？

問題三

觀察類神經網路訓練的過程，在每次迭代中，連續讀取貓咪圖片的時候，

輸出值有什麼樣的變化呢？為什麼會有這樣的變化呢？

問題四

觀察每張圖片經過數次迭代之後，輸出值有什麼變化？為什麼有這樣的變化呢？

問題五

如果類神經網路訓練的結果不如預期，像是貓狗的類別一直判斷錯誤，

可能是哪裡出現問題呢？

重點總結

在這個章節中，我們了解到類神經網路的訓練過程，這個過程包含，

讀取圖片、調整權重，以及計算輸出值。當然，實際上的情況還有一些細節還沒討論到，

而且上述的情況是針對圖片做分類，事實上類神經網路也可以應用在語音的資料，

或是商業上的資料，例如：鳥類叫聲的分類、顧客購買行為的分類。

不過，在不同的情境中使用類神經網路，基本上都不脫離「讀取」、「調整權重」、「計算輸出值」。

在上個章節中，我們了解到資料的正確性或數量會影響類神經網路的訓練結果，

所以在上述的例子中，我們也可以思考看看，如果訓練完的成果不如預期，

問題是否會出現在資料搜集的階段。然而，類神經網路的訓練過程是「程式」寫成的，

所以在檢查問題所在時，也可以思考看看程式的部分是不是寫錯了。