《用实体实验法学强化学习，深度学习和机器学习》是一系列的基于实体实验的交互式教程

# Learn Deep & Reinforcement & Machine Learning The Physical Experimental Way # 《用实体实验法学深度和强化和机器学习》 ### 实验前的准备 - [**重要：首先购买实验道具**]() | [作者简介]() | [实验方法]() | [调试学习代码段的N个阶段](/chapters/实验前的准备/调试学习代码段的N个阶段.md) - [重要：安装Anaconda](/chapters/环境配置/安装Anaconda.md) | [重要：通过conda安装PyTorch](/chapters/环境配置/通过conda安装PyTorch.md) | [重要：通过conda安装TensorFlow](/chapters/环境配置/通过conda安装TensorFlow.md) ### 用NumPy操作矩阵及进行基本运算 - 随机函数: [random.randint()](/chapters/用NumPy操作矩阵及进行基本运算/随机函数/random.randint().md) | [random.randn()](/chapters/用NumPy操作矩阵及进行基本运算/随机函数/random.randn().md) | [random.seed()](/chapters/用NumPy操作矩阵及进行基本运算/随机函数/random.seed().md) - 数组创建和操作函数: [array()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/array().md) | [zeros()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/zeros().md) | [ones()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/ones().md) | [arange()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/arange().md) | [linspace()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/linspace().md) | [reshape()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/reshape().md) | [shape()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/shape().md) | [clip()](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/clip().md) | [.T](/chapters/用NumPy操作矩阵及进行基本运算/数组创建和操作函数/.T.md) - 数组运算函数: [add()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/add().md) | [subtract()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/subtract().md) | [multiply()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/multiply().md) | [divide()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/divide().md) | [inner()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/inner().md) | [dot()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/dot().md) | [sum()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/sum().md) | [mean()](/chapters/用NumPy操作矩阵及进行基本运算/数组运算函数/mean().md) - 数组索引和切片: [arrayName[i]](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/arrayName[i].md) | [arrayName[start:end]](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/arrayName[start：end].md) | [arrayName[:col_num]](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/arrayName[：col_num].md) | [arrayName[condition]](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/arrayName[condition].md) | [c_](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/c_].md) | [r_](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/r_.md) | [s_](/chapters/用NumPy操作矩阵及进行基本运算/数组索引和切片/s_.md) - 计算函数: [exp()](/chapters/用NumPy操作矩阵及进行基本运算/计算函数/exp().md) | [log()](/chapters/用NumPy操作矩阵及进行基本运算/计算函数/log().md) | [sqrt()](/chapters/用NumPy操作矩阵及进行基本运算/计算函数/sqrt().md) | [power()](/chapters/用NumPy操作矩阵及进行基本运算/计算函数/power().md) - 统计函数: [median()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/median().md) | [var()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/var().md) | [std()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/std().md) | [min()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/min().md) | [max()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/max().md) | [minimum()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/minimum().md) | [maximum()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/maximum().md) | [argmax()](/chapters/用NumPy操作矩阵及进行基本运算/统计函数/argmax().md) - 其他: [range()](/chapters/用NumPy操作矩阵及进行基本运算/其他/range().md) ### 基本数据类型 - 图像： [1张图像中的100个RGB值](/chapters/基本数据类型/图像/1张图像中的100个RGB值.md) | [在线体验RGB与HSV之间的相互转换](/chapters/基本数据类型/图像/在线体验RGB与HSV之间的相互转换.md) | [在线体验1张图片的RGB颜色空间](/chapters/基本数据类型/图像/在线体验1张图片的RGB颜色空间.md) ### 深度学习 - 基本概念 - [人工神经元](/chapters/深度学习/基本概念/人工神经元.md) | [**Code：计算出人工神经元的输出数值**](/chapters/深度学习/基本概念/Code：计算出人工神经元的输出数值.md) - [多层人工神经网络](/chapters/深度学习/基本概念/多层人工神经网络.md) | [**Code：计算出多层人工神经网络的输出数值**](/chapters/深度学习/基本概念/Code：计算出多层人工神经网络的输出数值.md) - [ReLU activation function](/chapters/深度学习/基本概念/ReLU_activation_function.md) | [**Code：计算出ReLU activation function的输出数值**](/chapters/深度学习/基本概念/Code：计算出ReLU_activation_function的输出数值.md) - [Sigmoid function](/chapters/深度学习/基本概念/Sigmoid_function.md) | [**Code：计算出Sigmoid function的输出数值**](/chapters/深度学习/基本概念/Code：计算出Sigmoid_function的输出数值.md) - [Loss function](/chapters/深度学习/基本概念/Loss_function.md) | [**Code：计算出Loss function的输出数值**](/chapters/深度学习/基本概念/Code：计算出Loss_function的输出数值.md) - [Backpropagation](/chapters/深度学习/基本概念/Backpropagation.md) | [**Code：计算出特定的weight和bias的数值**](/chapters/深度学习/基本概念/Code：计算出特定的weight和bias的数值.md) - 用神经网络求出数轴上两点距离 - [生成训练数据集合](/chapters/深度学习/用神经网络求出数轴上两点距离/生成训练数据集合.md) | [初始化权重和偏置项](/chapters/深度学习/用神经网络求出数轴上两点距离/初始化权重和偏置项.md) - [计算出单个人工神经元的输入和输出数值](/chapters/深度学习/用神经网络求出数轴上两点距离/计算出单个人工神经元的输入和输出数值.md) | [计算出单个训练数据的真实数值](/chapters/深度学习/用神经网络求出数轴上两点距离/计算出单个训练数据的真实数值.md) | [计算出单个训练数据的损失函数的输出数值](/chapters/深度学习/用神经网络求出数轴上两点距离/计算出单个训练数据的损失函数的输出数值.md) - [使用单个训练数据计算出多个权重和偏置项](/chapters/深度学习/用神经网络求出数轴上两点距离/使用单个训练数据计算出多个权重和偏置项.md) - [计算出多条数据单个人工神经元的输入和输出数值](/chapters/深度学习/用神经网络求出数轴上两点距离/计算出多条数据单个人工神经元的输入和输出数值.md) | [计算出多个训练数据的真实数值](/chapters/深度学习/用神经网络求出数轴上两点距离/计算出多个训练数据的真实数值.md) | [计算出多个训练数据的损失函数的输出数值](/chapters/深度学习/用神经网络求出数轴上两点