用深度学习做违规信息的检测

最近都一直在忙，很久没有更新公众平台了，很是对不起各位啊。最近，天宝想去应聘某公司的实习，跑来问我什么是深度学习，如何用深度学习做违规信息的检测？可是讲太细了天宝又不明白，只能尽可能简单总结一下了。

1: 回顾一下传统神经网络的组成

记住神经网络的组成：输入层，隐藏层，输出层

神经元是如何输入输出的？

a1 到ak 是一系列的输入，W是这个神经元中的参数，b是一个常数项，a*w+b就是z，z并不是最后的神经元输出，最后的输出还需要经过一个激活函数，theta（z），最后才是输出a

举个例子：

有三个输入 （2，-1，1），参数w是（1，-2，-1），常数项参数b是1，所以计算得到z=4 最后带入到激活函数中，结果输出是0.98。这就是一个神经元是如何进行计算的。

在每一层神经网络中，神经元节点不止一个，但是计算方法都是一样的。从输入层的各输入节点一直计算到输出节点的过程就是神经网络的前向计算过程。

2: 输入讲图像作为神经网络的输入

如何输入一张图片作为神经网络的输入？ 如下图：

3: 神经网络如何实现分类

如何使用神经网络进行分类？（例如违规信息检测的分类，或是其他应用场景）

红色框内就是我们前面讲的神经网络结构。但是这里，在后面有了一点变化，加了一个softmax层，这个层的作用是将神经网络输出（在此例中，神经网络输出节点有10个，分别代表这属于0-9这十个类的每个类的可能性）的数据中数值最大的设定为1，其他的设定为0。这样子，就是可以实现了将图片分类为可能性最大的类。

4: 具体操作步骤

1）准备数据

需要有大量数据（图片，视频等），然后需要进行标注，标注说明他们各是什么类型

2）训练模型

使用标注的数据进行训练，得到训练后的模型

3）进行测试

测试模型的分类结果是不是满足要求 （注意：测试就相当于只使用前向计算，不再进行反向传播了！）

补充：

训练数据是什么？ 是输入的数据 和 对于的标签

例如 一张照片，和对应的照片的label （例如猫的照片，label就是cat）

违规信息检测的难点：

1: 违规的标准认定，什么样的事违规的？

2: 违规类型的准确分类，这是属于哪一类违规？

3: 模型的训练

因此，数据标注的好坏对于最后结果的影响是最大的。

祝天宝能早日找到喜欢的工作！！