大家好~我開設了“深度學習基礎班”的線上課程，帶領同學從0開始學習全連接和卷積神經網絡，進行數學推導，并且實現可以運行的Demo程序

線上課程資料：
本節課錄像回放
加QQ群，獲得ppt等資料，與群主交流討論：106047770

本系列文章為線上課程的復盤，每上完一節課就會同步發布對應的文章

本文為第二節課：“判斷性別”Demo需求分析和初步設計（中）的復盤文章

本課程系列文章可進入索引查看：
深度學習基礎課系列文章索引

回顧相關課程內容

• 第二節課：“判斷性別”Demo需求分析和初步設計（上）
  • 主問題：什么是神經元？
  • 已知一個人的身高為150厘米，體重為50公斤，如何使用神經元得到該人的性別（應該為女性）？
  • 什么是訓練？
  • 什么是推理？

主問題：什么是神經網絡

• 已知兩個人的身高和體重，能否使用神經元得到他們的性別（一男一女）？
  答：能，因為權重、偏移為未知量，總數量為3，小于方程的數量（2），所有有無數解，所以可確定一組解（權重、偏移）

• 如何修改代碼？
  答：修改train函數：給出一組權重、偏移，使得結果為分別為0、1；
  激活函數不變

• 已知四個人的身高和體重，能否使用神經元得到他們的性別？
  答：不能

• 為什么？
  答：因為權重、偏移為未知量，總數量為3，小于方程的數量（4），所以無解

• 如何擴展，才能有解？
  答：使用神經網絡，增加權重、偏移的數量！

• 請設計一個最簡單的神經網絡？（有幾層？每層有幾個神經元？）
  答：

• 如何根據輸入層的輸入，最終得到輸出層的輸出？
  答：計算公式如下所示：
  

• 現在有幾個未知解？能夠有解了嗎？
  答：有解

主問題：什么是前向傳播

• “根據輸入層的輸入，最終得到輸出層的輸出？”的過程稱為前向傳播
• 前向傳播算法包括哪些步驟？
  答：從輸入層開始，依次傳入每層，得到每層的輸出；
  最后傳到輸出層，得到最后的輸出

任務：用代碼實現神經網絡

• 請修改神經元代碼，提出神經元的前向傳播forward函數？
  答：修改后的相關代碼為：
  Neural_forward_answer

let forward = (state: state, sampleData: sampleData): float => {
  (sampleData.height *. state.weight1 +.
  sampleData.weight *. state.weight2 +.
  state.bias)->_activateFunc
}

let inference = (state: state, sampleData: sampleData): gender => {
  forward(state, sampleData)->_convert
}

• 請在神經元代碼的基礎上，實現神經網絡的前向傳播和推理（訓練函數不用實現）？
  • 推理函數需要修改嗎？
    答：不需要
    神經網絡代碼如下所示：
    NeuralNetwork_answer