（36）总结：5节课内从零起步(无需数学和Python基础)编码实现类似于TensorFlow的AI框架大总结...

7.1       AI框架大总结

本节课是在前面5章节的基础上进行总结和思考。前面5章节带领大家从零起步 ，在没有数学和Python基础的情况下，开发出我们自己的AI人工智能框架。

在我们自己的AI框架中，首先在第一节实现了深度学习神经网络的结构;然后在第二节从零起步动手写代码实现了Forward Propagation算法;在第三节带领大家实现了神经网络最最重要的精髓Back Propagation，Back Propagation算法是1986年正式发布的，Back Propagation的核心贡献人物是D. E. Rumelhart、C. E. Hinton、 R. J. Williams，他在论文中阐述了Back Propagation算法的思想和精髓，TensorFlow、PyTorch等人工智能框架深度学习基本上都是使用Back Propagation思想实现的;在第四节实现了误差或损失度的计算;第五节课进行了代码优化，实现了数据的正则化优化和自适应优化。

在本章节中，我们看一下改动以后的代码(入口程序修改为Artificial_Intelligence_Framework_Main.py)相比没改动的代码，如何提升上百倍或上万倍的优化。接下来展示在3个隐藏层，2个隐藏层及1个隐藏层的情况下，我们自己从零起步，实现的AI深度学习框架的表现情况。

(1)    3个隐藏层(Artificial_Intelligence_Framework_Main.py中，hidden_nodes = [8，4,2])的运行结果：

图 1- 61  3个隐藏层的运行结果

(2)    2个隐藏层(Artificial_Intelligence_Framework_Main.py中，hidden_nodes = [4,2])的运行结果，：

图 1- 62 2个隐藏层的运行结果

(3)    1个隐藏层(Artificial_Intelligence_Framework_Main.py中，hidden_nodes = [3])的运行结果：

图 1- 63 1个隐藏层的运行结果

从运行结果发现我们自己从零起步，实现的AI深度学习框架的表现情况，可以发现它的预测已经非常不错。

本文根据王家林老师《5节课内从零起步(无需数学和Python基础)编码实现AI人工智能框架电子书》整理。