《python深度学习》学习笔记

《python深度学习》

 

第一章：

 

参数化，先随机设置权重，通过损失函数来反向传播信息，对设置的权重进行调整。

 

第一章简要的介绍了关于深度学习、机器学习的由来与争议，从概念上对深度学习进行了简要的解释，简单的描述了深度学习的核心所在。

 

 

第二章：

简要介绍关于深度学习的基本的数学概念、

张量（输入网络的数据存储对象）、张量运算（层的组成要素）和梯度下降（可以让网络从训练样本中进行学习）0D张量是仅包含一个数字——标量，1D张量是向量，2D张量是矩阵（张量是轴的个数）

2D张量的坐标分别是样本数和特征数量

 

 

广播（broadcast），以匹配较大张量的形状。广播包含 以下两步。 (1) 向较小的张量添加轴（叫作广播轴），使其 ndim（轴的个数） 与较大的张量相同。 (2) 将较小的张量沿着新轴重复，使其形状与较大的张量相同。

 

转置的函数：transpose

创建零矩阵np.zeros((300,20))  300行20 列

转换形状：reshape((6,1))    6行1列

 

梯度是张量的倒数

 

 

<