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