菜鸟de深度学习之路——（1）神经网络入门

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：