《Python深度学习》读书笔记（二）

2.1 初识神经网络

整个深度学习问题可以分为两类：

1. 化繁为简：给出一堆数据，含有输入和标签，让机器自己去学习到一个规则，其中包含分类、回归两大问题。
2. 化简为繁：如现在给机器一些图片，让机器自己学习然后生成一些图片或者文字，比如训练集给的是人类平时的对话，让机器能够学习生成一些文字或图像等。如（GNN等）

首先看一下Keras官方提供的数据库可以供我们做练习：

此处我们使用MNIST手写数字数据库做练习：

from keras.datases import mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

Mnist数据库里的数据结构如下，稍后我们会将这些训练集加入到神经网络进行训练，让神经网络能够学出一个规则，通常我们会在训练集取一部分做验证集（Validaition set），因为假如我们在通过训练集训练一套参数的时候没有分出来验证集，然后将新的参数直接放在测试集的1000张照片上进行测试，如果此时测试集表现出来的效果不好，我们就得返回去训练集重新训练，这个时候测试集就已经受到了污染，因为测试集已经从中学到了一些信息，如果往复进行这种操作，测试集就能学到更多的信息，所以通常会在训练集里分出一部分做验证集：

通过查看训练集数据的维度，可以看到数据集由6000