学校网站模板 中文版,沈阳seo博客,做二手房网站有哪些,信用门户网站建设方案AI应用开发基础傻瓜书系列的目录~
写在前面#xff0c;为啥要出这个系列的教程呢#xff1f;
总的说来#xff0c;我们现在有了很多非常厉害的深度学习框架#xff0c;比如tensorflow#xff0c;pytorch#xff0c;paddlepaddle#xff0c;caffe2等等等等。然而#…AI应用开发基础傻瓜书系列的目录~
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tensorflowpytorchpaddlepaddlecaffe2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
windowsLinux也行python最好用3anaconda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
Content01.0-神经网络的基本工作原理01.1-基本数学导数公式01.2-Python-Numpy库的点滴02.0-反向传播与梯度下降02.1-线性反向传播02.2-非线性反向传播02.3-梯度下降03.0-损失函数03.1-均方差损失函数03.2-交叉熵损失函数04.0-单入单出单层-单变量线性回归04.1-最小二乘法04.2-梯度下降法04.3-神经网络法04.4-梯度下降的三种形式04.5-实现逻辑非门05.0-多入单出单层-多变量线性回归05.1-正规方程法05.2-神经网络法05.3-样本特征数据的归一化05.4-归一化的后遗症05.5-正确的推理方法05.6-归一化标签值06.0-多入多出单层神经网络-多变量线性分类06.1-二分类原理06.2-线性二分类实现06.3-线性二分类结果可视化06.4-多分类原理06.5-线性多分类实现06.6-线性多分类结果可视化07.0-激活函数07.1-挤压型激活函数07.2-半线性激活函数07.3-用双曲正切函数分类07.4-实现逻辑与门和或门08.0-单入单出双层-万能近似定理08.1-双层拟合网络的原理08.2-双层拟合网络的实现09.0-多入多出双层-双变量非线性分类09.1-实现逻辑异或门09.2-理解二分类的工作原理09.3-非线性多分类09.4-理解多分类的工作原理10.0-调参与优化10.1-权重矩阵初始化10.2-参数调优10.3-搜索最优学习率10.4-梯度下降优化算法10.5-自适应学习率算法11.0-深度学习基础11.1-三层神经网络的实现11.2-验证与测试11.3-梯度检查11.4-手工测试训练效果11.5-搭建深度神经网络框架12.0-卷积神经网络12.1-卷积12.2-池化14.1-神经网络模型概述14.2-Windows模型的部署14.3-Android模型的部署
