简明神经网络教程系列-目录

简明神经网络教程系列~

写在前面,为啥要出这个系列的教程呢?

总的说来,我们现在有了很多非常厉害的深度学习框架,比如tensorflow,pytorch,paddlepaddle,caffe2等等等等。然而,我们用这些框架在搭建我们自己的深度学习模型的时候,到底做了一些什么样的操作呢?我们试图去阅读框架的源码来理解框架到底帮助我们做了些什么,但是……很难!很难!很难!因为深度学习是需要加速啦,分布式计算啦,所以框架做了很多很多的优化,也让像我们这样的小白难以理解这些框架的源码。所以,为了帮助大家更进一步的了解神经网络模型的具体内容,我们整理了这样一个系列的教程。

对于这份教程的内容,如果没有额外的说明,我们通常使用如下表格的命名约定

符号 含义
X 输入样本
Y 输入样本的标签
Z 各层运算的结果
A 激活函数结果
大写字母 矩阵或矢量,如A,W,B
小写字母 变量,标量,如a,w,b

适用范围

没有各种基础想学习却无从下手哀声叹气的玩家,请按时跟踪最新博客,推导数学公式,跑通代码,并及时提出问题,以求最高疗效;

深度学习小白,有直观的人工智能的认识,强烈的学习欲望和需求,请在博客的基础上配合代码食用,效果更佳;

调参师,训练过模型,调过参数,想了解框架内各层运算过程,给玄学的调参之路添加一点心理保障;

超级高手,提出您宝贵的意见,给广大初学者指出一条明路!

前期准备

环境:

windows(Linux也行),python(最好用3),anaconda(或者自己装numpy之类的),tensorflow(嫌麻烦地请看这里《AI应用开发实战 - 从零开始配置环境》,tools for AI(按照链接教程走的就不用管这个了)。

自己:

清醒的头脑(困了的同学请自觉泡茶),纸和笔(如果像跟着推公式的话),闹钟(防止久坐按时起来转转),厚厚的衣服(有暖气的同学请忽略)

目录

  • 0-基本数学导数公式
  • 1-神经网络的基本工作原理
  • 2-神经网络中反向传播与梯度下降的基本概念
  • 3-损失函数
  • 4-单入单出的单层神经网络能做什么
  • 5-多入单出的单层神经网络能做什么
  • 6-多入多出的单层神经网络能做什么
  • 7-激活函数
  • 8-单入单出的双层神经网络能做什么
  • 徒手搭建神经网络
  • 徒手搭建CNN网络
  • 徒手搭建RNN网络
  • 模型内部

你可能感兴趣的:(人工智能,python)