机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

249

第 10 章

Keras 人工神经网络简介

我们从鸟类那里得到启发，学会了飞翔，从牛蒡那里得到启发，发明了魔术贴，还有很

多其他的发明都是被自然所启发。这么说来看看大脑的组成，并期望因此而得到启发来

构建智能机器就显得很合乎逻辑了。这也是人工神经网络（ANN）思想的根本来源。不

过，虽然飞机的发明受鸟类的启发，但是它并不用扇动翅膀来飞翔。同样，人工神经网

络和它的生物版本也有很大差异。甚至有些研究者认为应该放弃对生物类比的使用（比

如，称其为“单元”而不是“神经元”），以免我们将创造力限制在生物学看似合理的系

统

注 1

上。

1

人工神经网络是深度学习的核心。它们用途广泛、功能强大且可扩展，使其非常适合

处理大型和高度复杂的机器学习任务，例如对数十亿张图像进行分类（例如 Google

Images），为语音识别服务（例如 Apple 的 Siri）提供支持，每天向成千上万的用户推荐

（例如 YouTube）观看的最佳视频，或学习在围棋游戏（DeepMind 的 AlphaGo）中击败

世界冠军。

本章的第一部分介绍了人工神经网络，首先是对第一个 ANN 架构的快速浏览，然后是

今天广泛使用的多层感知机（MLP）（其他架构将在第 11 章中进行探讨）。在第二部分

中，我们将研究如何使用流行的 Keras API 实现神经网络。这是设计精巧、简单易用的

用于构建、训练、评估和运行神经网络的 API。但是，不要被它的简单性所迷惑：它的

表现力和灵活性足以让你构建各种各样的神经网络架构。实际上，对于大多数示例而

言，这可能就足够了。如 ...