锐客网

  1. 首页 > 睿知 > it技术 > >

python函数学习深度 python入门函数( 五 )

IT技术学习


对于pylearn2我最大的担忧就是（在撰写本文时），它没有一个活跃的开发者 。正因为如此 ， 相比于像Keras和mxnet这样的有积极维护的库 ， 推荐pylearn2我还有些犹豫 。
Deeplearning4j
这本应是一个基于Python的列表，但我想我会把Deeplearning4j包括在这里，主要是出于对他们所做事迹的无比崇敬——Deeplearning4j为JVM建立了一个开源的、分布式的深度学习库 。
如果您在企业工作，你可能会有一个塞满了用过的Hadoop和MapReduce服务器的储存器 。也许这些你还在用，也许早就不用了 。
你怎样才能把这些相同的服务器应用到深度学习里？
事实证明是可以的——你只需要Deeplearning4j 。
总计

深度学习 python怎么入门 知乎自学深度学习是一个漫长而艰巨的过程 。您需要有很强的线性代数和微积分背景，良好的Python编程技能，并扎实掌握数据科学、机器学习和数据工程 。即便如此，在你开始将深度学习应用于现实世界的问题，并有可能找到一份深度学习工程师的工作之前，你可能需要一年多的学习和实践 。然而，知道从哪里开始，对软化学习曲线有很大帮助 。如果我必须重新学习Python的深度学习，我会从Andrew Trask写的Grokking deep learning开始 。大多数关于深度学习的书籍都要求具备机器学习概念和算法的基本知识 。除了基本的数学和编程技能之外，Trask的书不需要任何先决条件就能教你深度学习的基础知识 。这本书不会让你成为一个深度学习的向导(它也没有做这样的声明)，但它会让你走上一条道路，让你更容易从更高级的书和课程中学习 。用Python构建人工神经元
大多数深度学习书籍都是基于一些流行的Python库，如TensorFlow、PyTorch或Keras 。相比之下，《运用深度学习》（Grokking Deep Learning）通过从零开始、一行一行地构建内容来教你进行深度学习 。
《运用深度学习》
你首先要开发一个人工神经元，这是深度学习的最基本元素 。查斯克将带领您了解线性变换的基本知识，这是由人工神经元完成的主要计算 。然后用普通的Python代码实现人工神经元，无需使用任何特殊的库 。
这不是进行深度学习的最有效方式，因为Python有许多库，它们利用计算机的图形卡和CPU的并行处理能力来加速计算 。但是用普通的Python编写一切对于学习深度学习的来龙去是非常好的 。
在Grokking深度学习中 ， 你的第一个人工神经元只接受一个输入，将其乘以一个随机权重 ， 然后做出预测 。然后测量预测误差，并应用梯度下降法在正确的方向上调整神经元的权重 。有了单个神经元、单个输入和单个输出，理解和实现这个概念变得非常容易 。您将逐渐增加模型的复杂性 ， 使用多个输入维度、预测多个输出、应用批处理学习、调整学习速率等等 。
您将通过逐步添加和修改前面章节中编写的Python代码来实现每个新概念，逐步创建用于进行预测、计算错误、应用纠正等的函数列表 。当您从标量计算转移到向量计算时，您将从普通的Python操作转移到Numpy ， 这是一个特别擅长并行计算的库，在机器学习和深度学习社区中非常流行 。
Python的深度神经网络
有了这些人造神经元的基本构造块 ， 你就可以开始创建深层神经网络，这基本上就是你将几层人造神经元叠放在一起时得到的结果 。
当您创建深度神经网络时 ， 您将了解激活函数，并应用它们打破堆叠层的线性并创建分类输出 。同样，您将在Numpy函数的帮助下自己实现所有功能 。您还将学习计算梯度和传播错误通过层传播校正跨不同的神经元 。

推荐阅读


上一篇：xr升ios14怎么样，xr升16系统怎么样

下一篇：u盘自动播放文件怎么关闭，u盘取消自动播放