一,引言
深度学习毫无疑问是目前IT界最火的名词,作为一个就要毕业的应届计算机专业大学生,确实有必要好好了解一下相关知识,即使不能成为深度学习领域大牛,至少也可以作为一个合格的调参员。
深度学习是机器学习的一个子领域,不同的大牛对于机器学习有不同的定义,在这里引用其中一种定义:在预先定义好的可能性空间中,利用反馈信号的指引去寻找数据的有用表示。而深度学习,是指学习模型的结构方面变得非常的深,从而可以学习到更复杂的表示,通常机器学习的模型只有一到两层,而深度学习的模型可以达到几十上百层。
深度学习和一般的机器学习模型一样,通常包括各层的大量权重参数,一个衡量输出和预期的差别的损失函数,一个调节权重的优化器组成,首先确定将要使用的模型结构,然后根据模型确定使用的损失函数类型,最后使用相匹配的优化器来完成模型训练。
接下来我将跟着弗朗索瓦 • 肖莱的Python深度学习这本书来学习。每一章用一篇文章来记录学习过程和遇到的疑难问题,希望能和大家一起学习。
二,熟悉常用数据集MNIST
MNIST数据集是机器学习领域的经典数据集,整个数据集包括60000个训练数据集和10000个测试数据集,每一个数据都是28×28像素的照片,每一个样本由照片和对应的类别组成,使用如下代码从keras中加载MNIST数据集: