返回信息流软件里面用到的算法是神经网络，Python实现，那么使用深度学习框架Keras来编写靠谱吗？
另外还想问一个问题，就是神经网络的迭代原理有一些不懂。最开始，权值时随机取得的，后来，神经网络每训练一个学习样本，初始权值是不是就是取上个学习样本训练完后得到的权值？然后当它把所有样本训练完后，算一下所有label预测值与实际值的均方根误差，如果这个误差不能接受，那就重新从第一个样本开始训练，这时初始的权重值是不是还是上次最后一个样本训练完后的权值呢？是不是这个意思呢，而且我也不明白，它针对每一个训练样本，就修正一次权值吗，还是保证此样本的训练结果达到最好后，才结束修正？
我对神经网络的迭代很不清楚啊，求救求救。[ema1]
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #19542同步于 2016/4/26
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
[问题]想编写一个数据挖掘软件--神经网络
kunkunnana
2016/4/26镜像同步6 回复
订阅后，新回复会通过你的通知中心匿名送达。
6 条回复
一般来说不会一次只看一个，都是一次看一个batch（n个sample），分别算出n个sample要怎么改weight，最后取平均再更新weight。
神经网络很难做到global optimal，因为是个非convex的问题，大部分不是落在高维空间的平原上，就是掉到某个坑（局部最优解）里去了。
一般是你设一个validaition set，观测train set和validation set的loss下降过程。当validation set的loss开始回升的时候，你可以考虑停掉训练过程了（early stop）。否则就是你设置几个epoch就跑几个epoch。一个epoch指的是你看了一次全部data