百度飞浆paddle——零基础入门深度学习Day1

百度飞浆paddle——零基础入门深度学习Day1

之前了解过深度学习的基础知识，也跟着北理工的课程学习了机器学习的内容，但课程形式是纯视频的形式，对以往的机器学习案例进行讲解，自己实操的可能性不大，导致只是知道个大概。这次参加百度大脑开设的零基础入门深度学习课程，很好地解决了实操性的问题，让自己能够启动环境运行代码，并且控制视频进度进行回看找到自己不了解的地方，有很大的灵活性。接下来便是第一天的学习笔记。

机器学习过程就是归纳和演绎的过程

机器学习算法构成的三要素
1.假设空间——模型的假设或表示
2.优化目标——评价或损失函数（Loss）
3.寻解算法——优化/求解算法

神经网络的三要素
1.神经元
2.多层连接
3.前向计算（得到输出）后向传播

建模、训练的套路
1.数据处理——完成预处理操作
2.模型设计——网络结果设计
3.训练配置——设定模型采用的寻解算法
4.训练过程——前向计算、损失函数（优化目标）后向传播
5.模型保存——保存模型，预测时调用

个人感想
第一天的课程对深度学习有了基本的认识，知道了模型训练的框架，并且使用房价预测这个案例来讲解多元线性回归模型的构建过程，一步步的按照既定的框架完成了模型的训练，对课程的教授质量有了足够强的信心，也更加相信自己能够真正入门深度学习。

因为计算损失函数时需要把每个样本的损失函数值都考虑到，所以我们需要对单个样本的损失函数进行求和，并除以样本总数NNN。
Loss=1N∑i=1N(yi−zi)2Loss= \frac{1}{N}\sum_{i=1}^N{(y_i - z_i)^2}