本书是深度学习的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识,对误差反向传播法、卷积神经网络等也有深入讲解...
本书是深度学习的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识,对误差反向传播法、卷积神经网络等也有深入...
深度学习入门 基于Python的理论与实现 感知机 由美国学者Frank Rosenblatt在1957年提出,是作为神经网络(深度学习)的起源的算法。 感知机接收多个输入信号,输出一个信号 信号只有0和1两种取值 感知机将输入信号乘以相应的权重后求和,若大于阈值则输出1,否则输出0 若用\
深度学习入门——基于Python的理论与实现 第一章 python入门 1.5.1 广播 import numpy as np # 广播 A = np.array([[1, 2], [3, 4]]) B = np.array([10, 20]) C = np.array([[10, 20], [30
神经网络的出现就是为了解决设定权重的工作,即机器自动从数据中学习,确定合适的、能符合预期的输入与输出的权重。 3.1 从感知机到神经网络 神经网络和感知机有很多共同点,这里主要介绍差异 3.1.1 神经网络例子 下图3-1 表示神经网络,我们将最左边的一列称为输入层,最右边的一列称为输出层,中间的一列称为中间层...
深度学习入门基于Python的理论与实现目录\h第1章Python入门\h1.1Python是什么\h1.2Python的安装\h1.2.1Python版本\h1.2.2使用的外部库\h1.2.3Anaconda发行版\h1.3Python解释器\h1.3.1算术计算\h1.3.2数据类型\h1.3.3变量\h1.3.4列表\h1.3.5字典\h1.3.6布尔型\h1.3.7if语句\h1.3.8for语句\h1.3.9函数...
【笔记】深度学习入门:基于Python的理论与实现(三) 误差反向传播法 一 个能够高效计算权重参数的梯度的方法 计算图 正向传播 太郎在超市买了 2 个 100 日元一个的苹果,消费税是 10%,请计 算支付金额。 反向传播(导数) 如果苹果的价格增加某个微小值, 则最终的支付金额将增加那个微小值的 2.2 倍...
深度学习入门:基于Python的理论与实现深度学习入门:基于Python的理论与实现1O'ReillyMedia,Inc.介绍01PartOneO'ReillyMedia,Inc.介绍01PartO2O'ReillyMedia,Inc.介绍A本书的理念B本书面向的读者C本书不面向的读者D本书的阅读方法E让我们开始吧F表述规则O'ReillyMedia,Inc.介绍A本书的理念B本31Python入门02PartOne1...
【笔记】深度学习入门:基于Python的理论与实现(五) 卷积神经网络 卷积神经网络(Convolutional Neural Network,CNN) 整体结构 CNN 中新出现了卷积层(Convolution 层)和池化层(Pooling 层),之前介绍的神经网络中,相邻层的所有神经元之间都有连接,这称为全 连接(fully-connected)...
mini_batch学习 Mini-batch是在训练神经网络时使用的一种技术,它将训练数据分成小批量(mini-batches),每个小批量包含一定数量的样本。相比于将整个训练数据集一次性输入到神经网络中进行训练(称为批量训练). 随机选择一个minibatch的数据 python # coding: utf-8 import pickle import sys, os sys.path.append(os...