码农甲的博客

前两期的节目介绍了感知机的内容，本期节目将开始解读《深度学习入门》这本书的第3章神经网络的内容，将从感知机迈入神经网络的世界，重点介绍感知机与神经网络的区别。 这里需要说明的是，这本书中，在使用“感知机”一词时，没有严格统一它所指的算法。一般而言，“朴素感知机”是指单层网络，指的是激活函数使用了阶跃函数（后述）的模型。“多层感知机”是指神经网络，即使用sigmoid函数（后述）等平滑的激活函数的...

上一期介绍了单层感知机，这一期先分析单层感知机的局限性，并由此引入多层感知机。 单层感知机的局限性 感知机有很多应用场景，其中一个应用就是用感知机来表示逻辑电路。单层感知机可以用来表示简单的逻辑电路，例如与门、与非门、或门，但是单层感知机无法表示异或门。下面来分析一下原因。 首先来回顾单层感知机用于表示逻辑电路时的公式形式： 也就是说，可以把单层感知机看作是一条由参数(b,w1,w2)(b, w...

本期带来《深度学习入门》一书中第二章感知机的部分内容，主要对感知机（单层）进行介绍。 我们要学习深度学习，为什么要先学习感知机呢？因为深度学习使用的就是层数较多的神经网络，而感知机又是神经网络的起源算法。因此，这本书也是按照感知机——神经网络——深度学习的演进过程来展开介绍。 什么是感知机？先上图，边看图边说。 感知机首先要能感（受）：能够感受外界的输入，比如上图中的x1x_1x1​,x2x_...

针对《深度学习入门》一书中的第一章内容，这期内容主要介绍Python的基础知识，并使用简单的方法搭建Python的运行环境，让代码能够跑起来。 由于笔者是C系程序员出身，所以对Python的一些基本使用方法掌握的还不是十分熟练。在本期节目的制作过程中，发现了书中提供了一种比较巧妙方法，能够比较轻松的理解Python列表的切片(slicing)标记法，即在列表名后的“[]”内，使用“：”来访问子列表...

前阵子给爱人推荐了这本《深度学习入门》，想着她可以给学生讲解相关的内容。爱人是理工科背景，但是不是计算机相关专业，反馈看上去有些吃力。于是就诞生了笔者录制“码农解书”系列视频的想法。 “码农解书”仅针对技术类图书进行解读。在“码农解书”视频里，会一边浏览书中内容，一边进行代码实现，让技术类图书的阅读不再枯燥，让理论与实践相结合，达到更好的知识分享效果。对于笔者来说，也是与读者互动，取长补短，查漏补...