1、前言
最近学习深度学习的基础,这里主要是将一些了解的概念和资料做了一下总结,方便查阅。
2、深度学习概念
最近随着人工智能这个概念的发展,并且作为国家战略发展方向,机器学习,深度学习的概念也变得很火,许许多多的程序员都开始往这个方向发展,不过,还需要一些基础才行。
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。1
3、常用工具
3.1 Anaconda
使用Anaconda来配置科学计算环境是很方便的,官方的文档也很齐全,不过官方提供的有点臃肿,默认自带了很多科学计算的包,如果小伙伴想要自己手动来下载配置的话,可以选择使用MIniconda,只有基础的几个包,其他的需要手动来装。
国内源配置
在清华大学的镜像站中可以直接下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/
anaconda默认使用的源并不是国内的,我们可以配置为国内的清华大学的源,来加快速度。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
即可添加 Anaconda Python 免费仓库。
运行 conda install numpy
测试一下吧。
参见原网址:点我。
3.2 jupyter notebook
jupyter可以使用conda来安装,十分方便。
conda install jupyter notebook
在本地的话,一般不需要怎么注意配置,不过我们一般会在远程的带有gpu的机器上跑任务,这样的话,最好配置一下,比如密码;
1、生成配置文件
jupyter notebook --generate-config
2、更改默认路径
配置文件在主目录: .jupyter/jupyter_notebook_config.py
打开配置文件,修改默认路径:
# The directory to use for notebooks and kernels.
# c.NotebookApp.notebook_dir = u''
将#号去掉,然后填入路径
3、生成密码
生成密码可以改配置文件,不顾使用命令行更简单:
jupyter notebook password
然后按照提示输入密码即可。
4、深度学习基础
4.1 计算机基础
- python基础
- 基本数据结构
- 算法
- 设计模式
- Linux
4.2 Python基础与科学计算
常用到的库如下:
- numpy
- scipy
- pandas
- scikit-learn
- matpoltlib
- tensorflow
4.2 数学基础
- 微积分
- 多元微积分
- 线性代数
- 数值分析
- 优化理论
4.3 统计学基础
- 概率论
- 数理统计
- 马尔科夫链
- 随机过程
- 抽样
5、流程
一般来说,机器学习的开发流程是这样的:
6、应用场景
- 语音识别
- 图像识别
- 文本分析
- 推荐系统
- CTR(Click-Through-Rate)预估
7、参考文献
参考书:
[python学习]:《Python学习手册》
[Python科学]:《Python科学计算》
[统计学]:《统计学习方法》李航
[数理统计]:《概率论与数理统计》陈希儒
[优化]:《凸优化》
在线书籍:
[deep learning]:http://www.deeplearningbook.org/
[deep learning中译本]:https://github.com/exacity/deeplearningbook-chinese
[Neural Networks And Deep Learning]:http://neuralnetworksanddeeplearning.com/
[Grokking Deep Learning(需购买)]:https://www.manning.com/books/grokking-deep-learning
相关博客:
[深度学习笔记(推荐)]:http://blog.csdn.net/zouxy09/article/details/8775360
[机器学习资料-上]:https://yq.aliyun.com/articles/43089?spm=0.0.0.0.zs3IQA
[机器学习资料-下]:https://yq.aliyun.com/articles/43341?spm=5176.8091938.0.0.JHqcnz
[jupyter]:http://blog.csdn.net/tina_ttl/article/details/51031113
在线模拟器:
[基于浏览器的神经网络模拟器]: http://playground.tensorflow.org/
[MIT在线交通模型]:http://selfdrivingcars.mit.edu/deeptrafficjs/
训练数据库:
[uci机器学习库]:http://archive.ics.uci.edu/ml/index.php
文档参考链接:
[Jupyter]:https://jupyter-notebook.readthedocs.io/en/stable/notebook.html
[conda]:https://conda.io/docs/index.html#
- 来自百度百科 ↩