深度学习入门：第一周学习综述与下周规划-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_43968093/article/details/120937095

Week 1 学习内容

前言
学习内容
总结
下周规划

前言

本周学习时间为：2021.10.18 毕设结束 - 2021.10.24星期天
本周学习内容包括：吴恩达视频 Week 1, 花书前言部分（1-6页）、Python基础

学习内容

对于学习内容以及学习方式在毕设提交之后我花了一些时间去学习和研究，下面是我对这一周学习内容的反馈以及思考

吴恩达深度学习视频

本周吴恩达视频看了Week 1，感觉视频易懂，最后的测验题目有点点出乎意料，就觉得有点奇怪
具体学习内容如下：

Relu 函数

写到这里突然看到了南航材料学院实验室爆炸的新闻和视频，突然想起来当时交大爆炸也是镁粉愿世上再无镁粉爆炸，希望伤者能顺利抢救成功 RIP🙏🙏🙏

继续
在这里插入图片描述
根据这个图片的解释，深度学习其实就是一个输入，一个输出，在输入和输出之间有很多的神经单元，每个神经单元也是一个输入一个输出；很多的神经单元凑在一起一层层就组成了神经网络

几个常规的神经网络
大多都是监督的学习
在这里插入图片描述
深度学习近几年快速发展的原因

数据的大量出现，现在的数据越来越多导致深度学习的数据集充沛，可以丰富训练
计算性能的大幅度提升，随着设备的不断更新换代，计算机的性能大幅度提升，训练的越来越快
算法的不断更新换代，从想法到结果的循环时间不断缩减

课后习题7/10，主要是没有想到课后习题是这样的形式

课后习题需要注册才能给批改，在优快云上找到了标准答案，嘻嘻https://blog.youkuaiyun.com/u013733326/article/details/79827273?tdsourcetag=s_pcqq_aiomsg

Python

关于Python的学习，看了一下老师给的网站视频，感觉要花很多的时间。由于已经有很丰富的编程基础，并且已经用了很多的Python，打算从网上找一些更适合自己的资源教程
找到了个这个
【Python】Java程序员学习Python
https://www.cnblogs.com/yiwangzhibujian/p/6984509.html

目前已经看完前四章，由于都会，看的很快，后面如果遇到难得再上手练习就好了

花书学习

花书是在周天晚上拿起来的时候想看的。在整理学习进度报告的时候，我发现吴恩达的视频还是有点基础并且由于种种原因，可能并不能很好的记忆，所以捧起了纸质版花书；由于个人读书习惯，喜欢在纸质版书上写写画画
在这里插入图片描述

这一周看了花书的引言部分，具体内容如下：

本书讨论一种解决方案，可以让计算机从经验中学习，并根据层次化的概念体系来理解世界
AI 深度学习：层次化的概念让计算机构建比较简单的概念来学习复杂概念，如果绘制表示这些概念如何建立在彼此之上的图，就会得到一张深图，这就是深度学习
人工智能的关键挑战就是如何将非形式化的知识传达给计算机*（就是很多的知识怎么描绘和传达）*
机器学习：AI系统需要具备自己获取知识的能力，即从原始数据中提取模式的能力，这种能力称为机器学习
简单机器学习的算法很大程度上依赖给定数据的表示，而表示的选择会对算法性能产生巨大影响
表示学习： 使用机器学习来发掘表示本身，而不仅仅把表示映射到输出；这样的话学习到的表示往往比手动设计的标识号
表示学习的典型例子：自编码器，有一个编码器和一个解码器组成，通过这俩，编码器把输入数据转换成不同的表示方便计算，而解码器把他表示回去，可以保留更多的信息
变差因素 ：能解释观察数据的就是变差因素，我个人理解是分析这个东西能分析的东西就是变差因素，比如汽车的图像时候可以分析他的位置颜色形状太阳的亮度等等
深度学习： 深度学习通过较简单的表示来表达复杂表示，典型例子就是前馈深度网络或者多层感知机，由很多的简单函数构成；
也可以理解成就是促使计算机学习的一个多步骤的计算机程序
特别喜欢这个图，个人理解就是如果一步到对象太难，那么一点点做，一点点学，上一层的学明白之后给下一层用
深度学习的深度： 两种，一种是基于评估架构所需的执行的顺序指令的数目，但是相同的函数可以被绘制为具有不同深度的流程图，深度是可变的；第二种就是根据概念来做，将描述概念彼此如何关联的图的深度视为模型深度
深度学习包含在表示学习中；表示学习包含在机器学习中；机器学习是AI的一种