Johan Eliasson Site



AI赛车手如何快速炼成？

首先，要有一个庞大的车队。

他的训练计划里，有650辆车同时训练

第二，AI开车需要一些空间信息。



输入：五条黄线+当前速率和方向，共七种


输出：方向盘(左转、右转、不变)；油门/刹车(加速、减速、不变)。

第三，让神经网络不断进化



虽然，它并没有成功掉头，但依然是下一代的希望


所以，第二代的650辆车，全是这一只智能体的子嗣，各自有些轻微的变异：神经网络的权重发生小小的变化。


第四代，便有智能体跑完一周


playground.tensorflow


传统神经网络

卷积神经网络

卷积层

池化层

池化层夹在连续的卷积层中间， 用于压缩数据和参数的量，减小过拟合。

简而言之，如果输入是图像的话，那么池化层的最主要作用就是压缩图像。

为什么是卷积神经网络？


图像的特性决定


运算效率大大加快


学习的过程更像AI

MNIST手写数据集识别（神经网络图像分类的Hello world）


一个手写8的例子



我们程序的结果之一


loss:0.0519 accuracy:0.9842