《卷积神经网络的Python实现》读后感

为了参加图灵社区的阅读活动哈哈，赶在最后一天看完并写出了读后感，希望能拿到优惠券！！！

最近看了一些关于深度学习、神经网络的书籍，每本书的切入角度不尽相同。我主要通过这本书深入理解了卷积神经网络相关知识，学习了Tensorflow框架。

相较于其他书籍侧重理论知识的论述，这本书更加偏向于实践，而且针对卷积神经网络有较多的源码解读和实例讲解，作者用python语言很好地展示了卷积神经网络在实际运用中的实现方法和与基本理论的差别。

从机器学习到深度学习，从基本线性模型到经典的卷积神经网络，书中对相关概念进行了描述，并且几乎每个关键的知识点都配有相应的NumPy代码实现，如第二章的线性分类器和第三章的加入了激活函数之后的神经网络。在阅读的过程中跟着这些代码自己敲一遍，在自己电脑上实现会对理论知识有更直接的理解。书中第四章的代码展示了卷积神经网络中卷积层、池化层等运算过程的细节，同时作者的详细描述让我进一步了解了其中的数学原理。卷积层是为了提取特征，通过网络优化获得原始数据更好的表示，相对于全连接层减少了参数数量从而减少了网络训练时间；池化层则进一步提取有效的表示，保证训练有效的同时减轻网络负担避免维度灾难。网络优化中的反向传播算法十分重要，是神经网络中各层参数学习优化的核心算法，很多优化模型都基于此。书中不仅介绍了基于梯度下降的优化方法，还介绍了其他许多常用网络优化方法，同时详细地给出了各种模块的反向传播代码，虽然在实际中很多时候一般不需要自己去写代码实现优化算法，但阅读这些代码这对解决相应模块的问题很有帮助。第八章和第九章涉及到完整的网络搭建，在看完前面的章节之后对神经网络、卷积神经网络有整体认识的基础上读懂这些代码并不困难，主要的问题还是集中在对数据的预处理和模型参数的调节中，找到好的参数需要在实践中积累大量的经验。后面的章节提出了工程实践中的问题和一些对训练结果的误差分析。作者在关键概念方面表述很详细，但也有阐述不完整的地方，比如卷积层中的参数共享和平移等变概念讲解得较为概括，读起来让人感觉有些抽象，其实作者可以增加一些图文信息用于理解，我通过网上查阅其他资料对这两个问题有了更好的认识。

看这本书还是需要一定的python语言基础，并不适合小白，里面的一些语法和模块需要提前了解。作为有一些基础的人，把里面的例子当作项目去动手实践也可以学到很多，作者把关键点都用代码实现让我对算法细节有了更深的了解，有了这样的基础再去看其他的模型会很有效率，这本书不仅有利于读者对卷积神经网络的理解，还有利于对算法实现的整体把握。