简单易懂的深度学习知识！（2）

上一篇文章简单易懂的深度学习知识！（1）-优快云博客，我们学习了理论，这次我们来使用代码做一次实战。理论总是抽象的，但也是重要的，就像做数学题一样，做题实战更好的掌握公式理论。

代码要下载后运行几，修修改改，体会神经网络的强大之处。不懂的部分，记得多问问GPT。

代码来自：

github.com/makeyourownneuralnetwork/makeyourownneuralnetwork

这是英国一个大牛为这本book开源的代码，是一个识别数字的模型，写的很适合萌新入门。（有中文版2018年出版：Python神经网络编程）

1、下载代码

2、那么如何打开.ipynb文件？有两种方法。

一是用python的pip安装jupyter后打开。当然前提是你有一个python环境，建议安装python 3.10版本。

安装教程搜索：windows安装python、pip安装jupyter

二是安装Visual Studio Code后打开文件，会提示安装jupyter扩展，老实安装。

好了，此时你安装好了环境，打开这个文件，内容包括了训练模型、使用模型预测数字。

part3_neural_network_mnist_and_own_single_image.ipynb

先别急着运行哈，我们还要安装代码运行依赖的包。

# 安装pip install numpy scipy imageio

如果发现安装的很慢，那是因为python存储包的服务器在国外。

用国内的镜像更快。

# 用国内阿里的镜像安装pip install numpy scipy imageio -i http://mirrors.aliyun.com/pypi/simple/

安装好了吗？

数据集下载：pjreddie.com/projects/mnist-in-csv/#google_vignette

安装后，去下载数字数据集，train是训练集，test是测试集。下载后解压mnist_train.csv、mnist_test.csv文件，移动到代码文件夹中的mnist_dataset文件夹。

像下面这样。

好了，现在运行代码。这个模型的识别成功率在97%左右，很多人类无法识别的数字，模型能识别。

有没有发现，在循环训练模型这个单元格，运行用的时间很长，几十分钟。这是因为代码使用CPU计算。

如果用GPU会快很多，深度学习包：Tensorflow、PyTorch支持GPU计算。注意：使用这两个包，用的显卡最好是

这也是为什么高端GPU现在很火的原因，成了大国间的一种竞争资源。

好了，这次学到这里。学懂的请点个赞，没懂的多问问大语言模型。

提高软件质量、DeepLearning咨询，加w：c593215873。