深度学习之卷积神经网络——学习分享（一）

目录

前言

一、安装Anaconda ，配置虚拟环境

1.安装过程参看：

2.spyder运行报错及解决办法参考：

二、基础知识理解

1.keras框架结构

2.卷积神经网络结构

三、视频学习：人工智能（一）（二）卷积神经网络——李永乐老师 

1.算法：

2.激活函数： 

前言

       大一下开始接触深度学习，入门理解上有难度，看过网课、网查资料、论文，最深的感受是网上的资料多样、零散。在这里记录下我的学习过程和期间遇到的一些问题，分享一些入门学习资料。本篇文章将介绍Anaconda的安装、框架结构、深度学习的基础知识、总结卷积神经网络视频学习的收获。

一、安装Anaconda ，配置虚拟环境

1.安装过程参看：

https://blog.csdn.net/ITLearnHall/article/details/81708148

2.spyder运行报错及解决办法参考：

（1）Module Not Found Error: No module named 'sklearn'

https://jingyan.baidu.com/article/77b8dc7f5694d26175eab64e.html

（2）SyntaxError: invalid character in identifier

标识符中的无效字符错误，表示变量名、函数等中间有一些字符，而不是字母、数字或下划线。

二、基础知识理解

参看：深度学习基础知识介绍_呆呆的猫的博客-CSDN博客_深度学习基础知识

1.keras框架结构

2.卷积神经网络结构

参看：https://blog.csdn.net/sinat_35512245/article/details/78718603

                               

  输入层—>卷积层（提取特征）—>池化层（减小数据量且防止过拟合）—>全连接层—>输出

三、视频学习：人工智能（一）（二）卷积神经网络——李永乐老师 

视频IP地址找不到了呜呜呜~想深入了解的小伙伴可以关注b站up主（李永乐老师官方）哦！有相应的两篇文章：

人工智能（一）机器学习和神经网络

https://www.bilibili.com/read/cv10327726

人工智能（二）什么是卷积神经网络？

https://www.bilibili.com/read/cv10588326?from=search&spm_id_from=333.337.0.0

1.算法：

（1）辛顿：bp（反向传播算法）

（2）梯度下降法：（也是反向传播算法的一种）

减小损失函数，寻找最小损失，训练模型寻找最佳的权重w,b

 

       比如用交叉熵作为损失函数，它计算出来的值其实就是神经网络里的概率模型和理想中的概率模型之间的差距的定量表达是多少，目的是要缩小这个差距，要缩短这个差距，就得要调整神经网络里面的那些参数，参数很多，要调整好这些参数，这个策略就是反向传播，而梯度下降法就是反向传播中的一种方法。反向传播就是将训练数据经过神经网络训练后产生的的偏差进行反向传递，将偏差值分配给各个参数来调整。

理解梯度下降法更新参数过程

参看文献：https://www.cnblogs.com/wangyong/p/9740170.html
 

M-P模型：梯度下降训练公式图解

X 为输入， 为权重wn和输入Xn的乘积再求和加上特值b，f 为激活函数，O 为输出（out)。

2.激活函数： 

这里仅介绍暂时学习到的常用的Sigmoid、relu函数。