深度学习入门——基于Python的理论与实现

本书重点,主要是实现了一个简单的两层神经网络,并且用它跑了一下mnist数据集 神经网络 激活函数 一般是指这样的函数 $h(x)=\begin{cases} 0 & (x<=0) \ 1&(x>0)

主要讲了一下numpy包和一些概念,比较简单 入门学习 基本知识 Python 循环 创建数组 计算 点积（np.dot） 感知机 接受多个信号，输出一个信号。信号的量只有0/1,当输入信号的总和大于

第七章主要讲CNN的实现。第八章更多的作者对未来的展望，粗略阅读即可，介绍了一点CV的应用和发展期待。 卷积神经网络(CNN) 使用场景 图像识别，语音识别 基本概念 总体上，以 卷积层——输出层(R

第五章(反向传播算法) 反向误差传播算法 计算图:把 计算符号(*,+,-,pow)认为是一个节点，把数据输入认为是边权。反向传播要做的事情，就是根据计算符号来计算出在这点要求的梯度,并且传递给上一层