读书笔记：深度学习入门-基于Python的理论与实现

• 机器学习：讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。
• 深度学习：机器学习中的一类函数，它们的形式通常为多层神经网络。

  • ch1-Python入门

    • Python解释器

      • 数据类型：type（）函数
        • int整型
        • float浮点型
        • str字符串
      • 变量：x/y等
      • 列表（数组）
        • a[索引]
      • 字典：以键值对的形式储存数据

        • 

      • 布尔型（bool型）：取True或False中的一个值。
      • if语句
      • for语句：循环处理
      • 函数

    • Python脚本文件

      • class：类

        • 

    • Numpy

      • 生成Numpy数组
        • np.array()接收Python列表作为参数，生成NumPy数组（numpy.ndarray）。

          

      • Numpy的算数运算（元素个数需要相同，否则程序报错）
      • Numpy的N维数组
        • 一维数组：向量
        • 二维数组：矩阵
        • 多维数组：一般化后的向量或矩阵--张量
      • 广播：形状不同的数组之间运算，先进行扩展
      • 访问元素

        

    • Matplotlib

      • pyplot模块

        

        • 显示图像imread（）

  • ch2-感知机

    • 感知机的概念

      

    • 简单逻辑电路

      • 与门：全1为1，其余为0

        

      • 与非门：与门取反

        

      • 或门：全0为0，其余为1

        

      • 异或门：相同为0，相异为1（单层感知机的局限性就在于无法实现曲线分割，即非线性空间，可采用叠加层）

        

    • 多层感知机

      

  • ch3-神经网络

    • 激活函数

      • sigmoid函数

        

        

      • 阶跃函数

        

        

      • ReLu函数

        

    • 多维数组的运算

      • 维度和形状
      • 内积（点乘）

    • 三层神经网络的实现

      • 符号确认

        

      • 代码实现

        

    • 输出层的设计

      • 恒等函数—回归问题
        • 输入等于输出，原封不动
      • softmax函数—分类问题(概率）

        

        • 防止溢出的处理（值过大）

          

          

    • 手写数字识别-MNIST数据集

      • 前向传播
        • load_minist函数

          

        • PIL模块：用于显示图像

          

      • 推理处理
        • 输入出输出设置数值的来源

          

        • 定义三个函数

          

        • 评价识别精度

          

        • 预处理
          • 正规化：把数据限定到某 个范围内的处理称为正规化（所有像素值除以255，即限定在0～1）
          • 白化：数据整体的分布形状均匀化
        • 批处理

          

          • range() 函数：若指定为range(start, end)，则会生成一个由start到end-1之间的整数构成的 列表。若像range(start, end, step)这样指定3个整数，则生成的列表中的 下一个元素会增加 step 指定的值。
          • argmax()函数：获取值最大的元素的索引。不过这里需要注意的是， 我们给定了参数 axis=1。这指定了在 100 × 10 的数组中，沿着第 1 维方向(以 第 1 维为轴)找到值最大的元素的索引(第 0 维对应第 1 个维度)。

  • ch4-神经网络的学习

    • 神经网络的特征：从数据中学习

      • 泛化能力：处理未被观察过的数据的能力
      • 监督数据：训练数据
      • 过拟合：只对某个数据集过度拟合的状态

    • 损失函数：一种指标，神经网络以此为线索寻找最优权重参数

      • 均方误差

        

        • one-hot表示：正确解标签表示为1，其余为0
      • 交叉熵误差

        

      • mini-batch学习：从大量的训练数据中随机选择指定个数的数据进行学习

    • 数值微分

      • 导数

        

      • 舍入误差

        

      • 例子

        

      • 偏导数：有多个变量的函数的导数

    • 梯度：由全部变量的偏导数汇总而成的向量。梯度指示的方向是各点处的函数值减小最多的方向。

      • 数学式表示梯度

        

        

      • 神经网络的梯度

    • 算法的实现

      • 随机梯度下降法

        

      • 2层神经网络的类

        

  • ch5-误差反向传播

    • 反向传播

      • 加法

        

        • 直接传给下游

          

      • 乘法

        • 需要正向的输入值

          

    • 简单层的实现

      • 乘法层（MulLayer类）代码实现

        

        

        • 加法层代码实现

          

    • 激活函数层的实现

      • ReLU层

        

        

      • Sigmoid层

        

    • Affinie的实现

      • Affinw层定义
        • 神经网络的正向传播中进行的矩阵的乘积运算在几何学领域被称为“仿射变换”A。因此，这里将进行仿射变换的处理实现为“Affine 层”。

          

          

      • 批版本Affine层

        

    • Softmax-with-Loss 层

      

      

      

    • 误差反向传播法

      

      • 误差反向传播法的梯度确认

        

  • ch6-调参技巧

    • 参数的更新方法

      • 最优化：寻找最优参数

        

      • SGD
      • Momentum
      • AdaGrad
      • Adam

    • 权重初始值

      • Xavier初始值
      • He初始值
      • Batch Normalization

    • 抑制过拟合的正则化技术

      • 权值衰减
      • Dropout

  • ch7-卷积神经网络CNN

    • 整体结构

      

    • 卷积层

      • 输入输出数据称为特征图(feature map)。其中，卷积层的输入数据称为输入特征图(input feature map)，输出数据称为输出特征图(output feature map)。
        • 填充：向输入数据的周围填入固定的数据，比如 0
        • 步幅：应用滤波器的位置间隔
        • 输出大小
          • 增大步幅后，输出大小会变小。而增大填充后，输出大小会变大。

            

    • 池化层

      • 池化的定义：缩小高、长方向上的空间的运算。在图像识别领域主要使用Max池化
      • 池化层的特征

        

    • 卷积层和池化层的实现

      • 4维数组

        

      • 基于im2col展开（image to column）
        • 定义：im2col 是一个函数，将输入数据展开以适合滤波器(权重)
      • 卷积层的实现

        

      • 池化层的实现

        

      • CNN的实现
        • 网络构成（SimpleConvNet的类）

          

        • 初始化最开始的部分

          

        • 权重参数的初始化部分

          

        • 生成必要的层

          

        • 基于误差反向传播法求梯度的代码实现

          

      • CNN可视化
        • 第1层权重的可视化

          

          

        • 基于分层机构的信息提取

          

      • 具有代表性的CNN
        • LeNet
          • 与现在的CNN相比有几个不同点。第一个不同点在于激活 函数。LeNet 中使用 sigmoid 函数，而现在的 CNN 中主要使用 ReLU 函数。 此外，原始的LeNet中使用子采样(subsampling)缩小中间数据的大小，而 现在的 CNN 中 Max 池化是主流。
        • AlexNet
          • 与LeNet没有太大不同。主要差异在于激活函数使用ReLU；使用进行局部正规化的LRN(Local Response Normalization)层；使用Dropout

  • ch8-深度学习

    • 加深网络

      

    • 提高识别精度

      • 集成学习
      • 学习率衰减
      • Data Augmentation
        • 数据扩充，例如旋转平移裁剪翻转等变形，施加亮度等外观变化，放大缩小等尺度变化
      • 加深层的好处
        • 可以减少参数的数量，扩大感受野(receptive field，给神经元施加变化的某个局部空间区域)。并且， 通过叠加层，将 ReLU 等激活函数夹在卷积层的中间，进一步提高 了网络的表现力。
      • ImageNet
        • 拥有超过 100 万张图像的数据集，它包含 了各种各样的图像，并且每张图像都被关联了标签(类别名)。每年都会举办 使用这个巨大数据集的 ILSVRC 图像识别大赛。

    • 深度学习的历史

      • VGG

        • 由卷积层和池化层构成的基础的 CNN。不过，如图 8-9 所示， 它的特点在于将有权重的层(卷积层或者全连接层)叠加至 16 层(或者 19 层)， 具备了深度

          

      • GoogleLeNet

        • 网络不仅 在纵向上有深度，在横向上也有深度(广度)。GoogLeNet 在横向上有“宽度”，这称为“Inception 结构”

          

      • ResNet

        • 导入了“快捷结构”(也称为“捷径”或“小路”)。导入这 个快捷结构后，就可以随着层的加深而不断提高性能了

          

          

      • 迁移学习

        

    • 深度学习的高速化

      • 基于GPU的高速化
        • GPU 原本是作为图像专用的显卡使用的，但最近不仅用于图像处理， 也用于通用的数值计算。由于 GPU 可以高速地进行并行数值计算，因此 GPU 计算的目标就是将这种压倒性的计算能力用于各种用途。
      • 分布式学习
      • 运算精度的位数缩减
        • 今后半精度浮点数将 被作为标准使用

    • 深度学习的应用案例

      • 物体检测

        

      • 图像分割
        • 最简单的是以所有像素为对象，对 每个像素执行推理处理。
        • FCN

          

      • 图像标题的生成
        • NIC

          

    • 深度学习的未来

      • 图像风格变换
      • 图像的生成
        • DCGAN

          

      • 自动驾驶
        • SegNet
      • Deep Q-Network(强化学习)
        • 基本框架：代理(Agent)根据环境选择行动，然后通过这 个行动改变环境。根据环境的变化，代理获得某种报酬。强化学习的目的是 决定代理的行动方针，以获得更好的报酬