Python深度学习01——深度学习基础概念

参考书目：陈允杰.TensorFlow与Keras——Python深度学习应用实战.北京:中国水利水电出版社,2021

本系列基本不讲数学原理，只从代码角度去让读者们利用最简洁的Python代码实现深度学习方法。

---

深度学习概念

什么是深度学习？简单点来说就是神经网络算法，神经网络可以搭建很多很多层，当层越深时网络越大，也具有很强大的学习能力（尽管可能出现过拟合或是梯度消失爆炸等问题），也叫深度学习。因此神经网络系列从机器学习大类算法中单独出来了，自立门户。

神经网络算法比起一般的机器学习算法功能更加强大，计算量更大，效果也一般更好。像人脸识别，商品推荐，翻译软件......等等都是神经网络的应用场景。

神经网络在很多年前起源于感知机，即该算法不是通过严格的数学公式得到解析解，而是通过大数据进行计算得到经验解。这和人脑的感知很像。比如我们判断‘’地震了‘’不会去进行严格的证明，而是用经验告诉自己发生了什么。

总结就是深度学习就是深层的神经网络，和别的算法不一样，由于其计算量大，它要采用单独的框架去进行实现。

深度学习框架

到目前为止深度学习的框架非常多，比如亚马逊的mxnet，Facebook的pytorch，谷歌的TensorFlow......这三比较主流，还有基于TensorFlow的高级封装的Keras，也是一个很流行的框架，也是我们这个系列首先要介绍的重点。

到目前2022年，学术界领域pytorch的热度已经领先于TensorFlow，pytorch也是较为便捷的框架，功能也十分强大，但是其针对的是面向对象的编程。

很多入门深度学习的同学可能都不是计算机专业，对于面向对象的编程是很难理解的，这也是b站李沐老师的课代码（基于pytorch）学了之后很难自己套用的原因。

因此本系列先介绍Keras框架，这个类似搭积木的框架对于新手非常友好，是深度学习入门最简答的框架之一了。pytorch框架也会介绍，想在学术界走得更远，就必须得会自己定义对象，弄清楚张量的形状，自己构建全新的网络。

框架搭建

深度学习框架建议都在anaconda里面新建虚拟环境，Keras新建一个，pytorch再新建一个。pytorch环境可以去b站上找李沐老师的教学安装。Keras是基于TensorFlow的，因此安装TensorFlow框架就行，这篇文章写的很详细，我当初就是从这个博主这篇文章学着装的。

在Windows下安装Anaconda 及TensorFlow与Keras（超级详细哦）

简单介绍一下安装步骤

1.打开

2.在这个里面输入下面代码，创建虚拟环境 

conda create --name pytorch_env python=3.8

 3.激活虚拟环境

activate pytorch_env

4. 安装pytorch（GPU版），采用的镜像源，因为外网太慢了....若是没显卡就装CPU版就行，当然没显卡运算会慢

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64

5.装上其他要用的包 ,numpy,pandas,matplotlib,sklearn等数据分析常用包肯定要（d2l里面都有）

pip install d2l

 有了环境之后可以实现代码了，后面会将常见的神经网络（MLP,CNN,RNN,LSTM,GRU）都一一介绍，其应用领域——图片，文本，音频，时序，也都会涉及。