【深度学习】2024年深度学习入门指南

深度学习（Deep Learning，DL）是机器学习（Machine Learning，ML）领域中的一个研究方向，作用是帮助机器学习项目更接近于人工智能（Artificial Intelligence）。

深度学习主要是学习样本数据的内在规律和表示层次，学习过程中获得的信息对诸如文字、图像和声音等数据的解释很有帮助。深度学习的最终目标是让机器能够像人一样具备分析能力，可以自动识别文字、图像和声音等数据。

深度学习是一个复杂的机器学习算法，目前在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术，以及其他相关领域都取得了令人瞩目的成果。深度学习解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

1. 深度学习的基本步骤

1.1   第一步：数据的准备

要进行深度学习的第一步也是最重要的一步，就是数据的准备。数据的来源多种多样，既有不同类型的数据集，也有根据项目需求由项目组自行准备的数据集。本例中笔者准备一份酒店评论的数据集，形式如图 1.4 所示。

这里由逗号将一个文本分成两部分，分别是情感分类和评价主体。其中标记为数字 “1”的是正面评论，标记为数字“0”的是负面评论。

1.2   第二步：数据的处理

我们遇到的第一个问题就是数据的处理。对于计算机来说，直接的文本文字是计算机所不能理解的，因此一个最简单的办法是将文字转化成数字符号进行替代，之后对每个数字生成一个独一无二的“指纹”，也就是“词嵌入（Word Embedding）”。在这里读者只需要将其理解成使用一个“指纹”来替代汉字字符。代码处理如下：

（1）创建 3 个“容器”，对切分出的字符进行存储。

labels = []       #用于存储情感分类，形如[1,1,1,0,0,0,1] vocab = set()     #set 类型，用以存放不重复的字符context = []      #存放文本列表

（2）读取字符和文本。

with open("ChnSentiCorp.txt",mode="r",encoding="UTF-8") as emotion_file: for line in emotion_file.readlines():  #读取  txt 文件line = line.strip().split(",")         #将每行数据以“,”进行分隔labels.append(int(line[0]))            #读取分类  label ​text = line[1]                         #获取每行的文本context.append(text)                   #存储文本内容for char in text:vocab.add(char)       #将字符依次读取到字库中，确保不产生重复

（3）读取字符并获得字符的长度。

voacb_list = list(sorted(vocab))      #将  set 类型的字库排序并转化成  list 格式print(len(voacb_list))                #打印字符的个数：3508

（4）将文本