动手学习深度学习心得1

本次学习深度学习，由于本人是新手小白一枚，所以学习进度比较慢，以下是这三天的学习心得。

一.如何配置环境

由于利用Python编程解决问题会考虑到Python版本和第三方库版本的兼容问题，如果我们为了解决一个问题去下载不同版本的Python和安装不同版本的库，会使我们的电脑看上去很乱，而且会降低工作效率。所以我们我们才需要创建不同的环境用在不同的场合，Anaconda是一款专业的管理环境的软件，具体步骤如下：

1.安装Anaconda

2.配置其下载的镜像源

先要将Anaconda设置为环境变量，然后在cmd中执行以下操作：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

然后在C:\Users\chenyanzhan的文件夹里找到.condarc文件，然后打开把每一行的https改为http即可。

3.创建环境

本人电脑是Windows系统的，而且安装的是没有GPU版本的深度学习开发库。

 1. conda create -n gluon python=3.6
 2. #创建名字为gluon的环境
 3. activate gluon
 4. #激活该环境
 5. pip install mxnet
 6. pip install d2lzh==0.8.11
 7. pip install jupyter==1.0.0
 8. pip install matplotlib==2.2.2
 9. pip install pandas==0.23.4
 10. decactivate gluon
 11. #退出该环境

除此之外还有关于管理环境的一些操作：

 1. conda remove -n gluon --all
 2. #完全删除该环境

二.机器学习与深度学习的一些概念

这三天主要看了线性回归、softmax分类模型和多层感知机这几点内容，对深度学习以及机器学习有了初步的认识。
1.所谓机器学习，就是针对不同的问题先选用合适的函数模型，再利用数据编程求出函数模型的未知参数，最后利用训练出的函数模型去预测未知的数据。深度学习是机器学习的一部分。
2.一般的步骤如下：
(1)导入训练集和测试集，明确样本数量，特征数量，输出数量。
(2)选择合适的函数模型。
(3)确定损失函数。
(4)利用各种优化算法训练模型，从而求出模型的未知参数。
(5)利用训练好的模型去预测测试集，观察预测的效果