- 1、本文档共30页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Python 深度学习
掌握数据科学和机器学习
利用Python、Theano 和TensorFlow 编写现代神经网络
LazyProgrammer 著 王宏琳 译
Python 深度学习
掌握数据科学和机器学习
利用Python、Theano 和TensorFlow 编写现代神经网络
目录
引言1
第1 章:什么是神经网络?2
第2 章 生物类比6
第3 章:从神经网络获取输出8
第4 章:利用反向传播训练神经网络12
第5 章:Theano 16
第6 章: TensorFlow22
第7 章:无监督学习、自动编码器、受限玻尔兹曼机、卷积神经网络和
LSTM26
Python 深度学习
引言
在撰写本书的时候(2016 年 3 月),深入学习的浪潮正在兴起。Google
的AlphaGo 程序在人机围棋比赛中,以4:1 战胜9 段专业棋手李世石。人工
智能领域的专家原来认为距离对一个顶级职业棋手的取胜还有10 年之遥,但
似乎进步比预想的要快!
虽然深度学习是一门复杂的学科,但学习起来不比学习任何其它机器学
习算法困难。我写这本书的目的是介绍神经网络的基本知识。你将会得到本
科水平的数学和编程技能。
本书的所有资料均可下载并免费安装。我们将使用Python 编程语言以及
数值计算库 Numpy 。在后面的章节中我也会介绍如何使用 Theano 和
TensorFlow 建立深度学习网络,TensorFlow 是专用于深入学习的程序库,并
可以利用GPU 加速计算。
深度学习与其它机器学习算法不同,特别强大,因为它能够自动学习特
征。这意味着你不需要花时间去尝试和测试“内核”或“交互效果”,那只是
统计学家喜欢做的事情。相反,我们将让神经网络为我们学习这些东西。每
一层的神经网络学习与前一层不同的抽象。例如,在图像分类中,第一层可
能学习不同的笔画,在下一层将笔画放在一起学习形状,在下一层将形状放
在一起形成面部特征,在下一层中有一个高层次的面部表情。
这本书用程序代码的例子来介绍这个“黑艺术”,使得你可以立即试验并
应用到你自己的数据。
1
Python 深度学习
第1 章:什么是神经网络?
神经网络之所以被这样称呼,是因为在历史的某个时刻,计算机科学家
们试图用计算机代码来模拟大脑。
最终的目标是创造一个“人工通用智能”。这意味着是可以学习你我能学
习的任何东西的程序。我们还没有到那地步,所以不必害怕机器会接管人类。
目前神经网络在执行某些特定任务时非常好,例如对图像和语音进行分类。
与大脑不同,人工神经网络有非常严格的预定义的结构。
大脑是由电和化学信号相互交流的神经元组成的 (因此,有术语神经网
络)。在人工神经网络中,我们不区分这两种信号。从现在开始,我们只说一
个信号从一个神经元传递到另一个神经元。
信号通过所谓的“动作电位”从一个神经元传递到另一个神经元。它是
神经元细胞膜上的电脉冲。动作电位的有趣之处在于它们要么发生,要么不
发生。这就是所谓的“全有全无”原则。
下图是动作电位与时间的示意图,使用真实的物理单位。
神经元之间的这种联系有强度。你可能听过这个短语,“一起激发的神经
2
Python 深度学习
元,连接在一起”,这是加拿大神经心理学家唐纳德·赫布 (Donald Hebb)
提出的。
强连接的神经元将相互“打开”。因此,如果一个神经元向另一个神经元
发出信号(动作电位),并且它们的连接是强的,那么下一个神经元也会有动
作电位,然后就可以传递给其它神经元,等等。
如果两个神经元之间的连接是弱的,那么一个神经元向另一个神经元发
送信号,神
文档评论(0)