深度学习的非技术性解释

（1）示例1：以商场为主买T恤为例，价格和需求的关系怎么样？
一般来说，价格越高，需求越少
这里输入A是 价格，输出B是需求，其中的映射关系是神经元；
这就是一个非常简单的神经网络，只有一个神经元构成；

（2）示例2：以商场为主买T恤为例，需求的关系，除了价格之外，可能还受销售成本，市场，材质等因素的影响，因此如下可以看出能够计算出更加负责的神经网络；
例如，
①价格和销售成本这两个属性映射出 可负担的程度；
②市场 影响 品牌认可度；
③价格，市场和材质，影响性价比；
④可负担程度、品牌认可度和性价比 决定了需求；
⑤因此，可以看出这个是两层的神经网络，第一层有3个神经元，分别是 可负担程度、品牌认可度和性价比；第二层映射出需求；
⑥这里区分 输入A、输出B和神经网络：
a.输入A：价格、销售成本、市场、材质；
b.输出B：需求
c.神经网络：两层，第一层三个神经元，第二层一个神经元
⑦ 其中，值得庆幸的是，神经网络的训练中，我们只要设定输入和输出就好，其中的神经元具体是什么，是由模型自己训练出来的，不需要我们提供；

深度学习的非技术解释-第二个示例-人脸识别

示例：人脸识别
1、数据读取：机器在读取图片时，实际是看像素，每一个像素都记录了数字，根据这些数字能够区分不同的颜色，例如，黑白图片，一个像素就一个数字代表灰度，但是如果是彩色照片，则一个像素则有3个数字代表，分别对应红、绿、蓝元素的亮度；
2、网络搭建：输入 图片，然后确认输出结果，其中每个神经元具体计算什么神经网络会自己决定；