神经网络学习心得

人工智能(AI)从诞生以来,理论和技术日益成熟,应用领域也不断扩大。目前人工智能(AI)已经以雷霆万钧之势从学术界潜入产业界的每一个角落,其价值之大,可想而知。人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。机器学习中的神经网络是研究人工智能最热门的方向,而多层复杂的神经网络又发展成现在的深度学习。

  1. 数学基础:高等数学、线性代数、概率论与数理统计(后面两个在本文中可能显得不是那么重要)
  2. 编程基础:Python(https://www.runoob.com/python/python-tutorial.html

1.AI从入门到放弃:BP神经网络算法推导及代码实现笔记:https://zhuanlan.zhihu.com/p/38006693

总结:该部分是学习神经网络的前提,其中梯度下降法需要重点掌握(用到高数中不少知识点),神经网络中的梯度下降法或BP算法用到了高数中的链式求导法则(可以跟着这个方向走)。链接的内容很多,但是需要我们掌握的有三点,梯度下降法、BP算法、loss损失函数的自定义(提供的链接没有提到,但是用到了,自定义损失函数有些人用到了信息论中的知识)。

 

2.神经网络或深度学习框架的选择:https://blog.csdn.net/broadview2006/article/details/79147351

总结:自认为讲得还不错,自己也用了pytorch的框架。但是也有必要列出其他神经网络框架,如下图所示。pytorch框架学习教程:https://github.com/zergtant/pytorch-handbook

 

3.搭建我们所需的环境:这部分我也弄了很长时间,主要原因是pytorch所需要的包都是从国外下载,下载速度很慢导致崩溃。

第一步,选择Python的编程工具

推荐使用清华源anaconda(https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/),下载好后安装即可,该工具自带Python环境。

第二步,安装pytorch环境

pytorch安装与配置:https://blog.csdn.net/tough_strong/article/details/103137029

注意:第二步安装很容易出错。

所有工作完成好后,我们就可以在GitHub(https://github.com/)找个项目来跑跑了(本文不作详细的说明了)。跑完之后就可以自己尝试着写代码了。

 

最后,放上几个感觉还不错的链接,因为写本文的初衷就是想收藏几个链接,生怕以后找不到了。

卷积神经网络特征图可视化(自定义网络和VGG网络):

https://blog.csdn.net/dcrmg/article/details/81255498

Pytorch中正确设计并加载数据集方法:

https://ptorch.com/news/215.html

pytorch使用(一)处理并加载自己的数据:

https://blog.csdn.net/gyguo95/article/details/78821520/

Pytorch:从读取数据到项目落地:

https://blog.csdn.net/qq_26697045/article/details/100987856

Faster RCNN的TensorFlow代码的理解:

https://www.cnblogs.com/darkknightzh/p/10043864.html

faster-rcnn代码解读记录,github+tf:

https://blog.csdn.net/qq_41576083/article/details/82966489

  • 1
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值