dnn应用的python代码_从零开始，用Python实现各种经典DNN神经网络(附代码)

引言

这个系列供六篇文章， 将从最基础的全连接网络DNN开始， 从零开始用Python/Numpy实现包含CNN, RNN等在内的深度网络模型。

我们已经有了TensorFlow/PyTorch这样强大的深度学习计算框架，但从零开始自己实现基本的神经网络(特别是反向传播)仍然是必要的， 理由在于能够更清楚的理解网络结构和反向传播的原理。

了解各种网络的局限性和工程优化。

更加深刻的理解神经网络的演化和优化过程。

本文所介绍的所有模型， Trainer及应用等都附有完整的代码实现。对任何实现有疑问， 欢迎在本文后留言提问。

欢迎转载， 转载请注明出处及链接。

完整代码库请查看我的GithubRepo: .部分代码参考了Stanford CS231n 课程作业， 在此致谢。

PS 为什么要开设这个专栏

其实专栏中的很多文章都引自我的博客, 如果熟悉我的博客的同学， 应该没有什么新东西。 之所以开设这个专栏， 是希望，

1， 以合辑的形式， 重新整理一下散乱的博客文章

2， 能有一个场所供大家交流(毕竟我的博客迟迟没有上线留言功能， 哭~~)

3， 能让更多的同学看到这些文章

希望大家能在这个专栏里玩的开心~

文章汇总

本文由六篇文章组成。

第一篇， 介绍了神经网络的基础DNN各种基本结构的实现(包括方向传播)， 并简要讨论了神经网络相比传统结构的优势。

链接：CNN卷积网络的Python实现(一):FCN全连接网络​fanding.xyz

第二篇， 重点介绍了DNN中的一个重要概念， 正则化(R