深度学习入门学习--第一章

7.11
深度学习是机器学习的子问题，其主要目的是从数据中自动学习到有效的特征表示。神经网络仅仅是深度学习领域中的一类数学模型，其他的模型还包括概率图模型等。

深度学习入门
1.首先要具备基本的数学知识和Python知识
2.深入的理解深度学习，建议从0开始编写可实际运行的程序，一边看源码，一边思考
3.对数学式感到困惑时，就阅读源代码来理解技术的流程
4.理论说明＋Python实现
5.书中用到的程序下载网址:http://www.ituring.com.cn/book/1921

第一章 Python入门
1.使用版本:Python3.x
2.使用库:NumPy库和Matplotlib库
3.Numpy库是用于数值计算的库，提供了很多高级的数学算法和便利的数组(矩阵）操作方法
Matplotlib库是用来画图的库。使用Matplotlib能将实验结果可视化，并在视觉上确认深度学习运行期间的数据
4.Python版本
5.Python解释器
启动:输入python，启动Python解释器，Python解释器也被称为“对话模式”，用户能够以和Python对话的方式进行编程。
6.简单讲解了一下Python的基础知识，算术运算，数据类型，变量，列表(根据索引存储值）(Python的列表提供了切片这一便捷的标记法，使用切片不仅可以访问某个值，还可以访问列表的子列表），字典(根据键值对存储数据），布尔型，if语句(注意:Python中的空白符具有重要的意义，Python使用空白符表示缩进），for语句(使用for…in…语句结构可以按顺序访问列表等数据集合中的各个元素），函数(可以将一连串的处理定义成函数）
关闭Python解释器:输入ctrl＋z，然后按Enter键
7.Python脚本文件
想进行一连串的处理时，可以将Python程序保存为文件，然后运行这个文件。接着简单的讲解了，将Python程序保存为文件并运行，定义类
8.NumPy:在深度学习的实现中，经常会出现数组和矩阵的计算，NumPy的数组类(numpy.array）中提供了很多便捷的方法，在实现深度学习时，会使用这些方法。
首先学习如何导入NumPy:import numpy as np，导入后NumPy相关方法均可通过np来调用。
接着简单讲解了，如何生成NumPy数组(np.array(）方法，生成的数组类型是numpy.ndarray），NumPy的算术运算(当数组元素个数相同时，可以对各个元素进行算术运算，如果元素个数不同，程序就会报错）(注意:NumPy不仅可以进行对应元素(element-wise）的运算，也可以和单一的数值(标量）组合起来进行运算，此时需要在NumPy数组的各个元素和标量之间进行运算，这个功能也被称为广播），NumPy的N维数组(矩阵）(和数组的算术运算一样，矩阵的算术运算也可以在相同形状的矩阵间以对应元素的方式进行，并且，也可以通过标量(单一数值）对矩阵进行算术运算，这也是基于广播的功能），广播(标量(单一数值）被扩展成矩阵的形状，再与矩阵进行运算，这个巧妙的功能称为广播，一维数组也可以扩展成二维数组然后进行运算，因为NumPy有广播功能，所以不同形状的数组之间也可以顺利地进行运算），访问元素(按索引，也可以将矩阵或张量转化为一位数组进行访问，此时还可以获取满足一定条件的元素）
9.Natplotlib
Matplotlib是用于绘制图形的库，使用Matplotlib可以轻松的绘制图形和实现数据的可视化。
首先导入matplotlib库:
import numpy as np
import matplotlib.pyplot as plt
简单讲解了如何绘制简单的图形，pyplot的功能(自己动手实验！！），显示图像(imshow(）方法用于显示图像，此外，还可以使用matplotlib.image模块中的imread(）方法读入图像）