神经网络与深度学习-学习日记【1】

学习感想

最近两天对吴恩达老师的深度学习课程进行了学习，有了一定的心得体会吧，机器学习并没有想象之中那么神秘，那么不可理解，但是也需要时间精力去消化理解，听老师讲课其实很轻松，觉得自己懂了，做编程作业的时候还是一头雾水。
总的来说，就目前看来，数学功底还是比较重要的，熟练掌握微积分和线性代数的话，无疑是降低了入门门槛；另外，一定的Python编程基础知识也很有必要；还有及时做好笔记，有利于后期理解。
我觉得我应该能坚持下去吧！

学习内容

就目前学习进度而言，机器学习给我的顺序是这样的：

1.导入、处理数据

其实，这里编程的时候是博士已经做好的数据，可以直接使用，在之后的学习过程之中我应该还要考虑如何去处理数据等。
对数据进行一些简单的预处理，以方便后面的使用。
例如将四维数组通过a.reshape(b,-1)来转换成b行的二维数组，可以便于进行后面的向量化编程。

2.定义函数块

一般有初始化参数数据块、训练函数块、预测函数块、整合model函数，还可以添加一些显示模块等。
分块进行函数编写，可以及时检查程序问题。

3.运行测试

运行测试，对超参数进行调整。

总结

1. 定义模型结构（例如输入特征的数量）
2. 初始化模型的参数
3. 循环：

• 计算当前损失（正向传播）

• 计算当前梯度（反向传播）

• 更新参数（梯度下降）