<!--Copyright © Microsoft Corporation. All rights reserved.
适用于[License](https://github.com/Microsoft/ai-edu/blob/master/LICENSE.md)版权许可-->
# 神经网络基本原理教程说明
## 写在前面
如果您觉得这个教程对您有用,请不要忘记给本站加星(点击网页顶部的Star标签),星越多说明本教程越对大家有帮助,我们就越会努力完善本站。
## 如何浏览本系列教程
1. 如果使用浏览器在线观看的话,可以使用Chrome浏览器,[加这个Math展示控件](https://chrome.google.com/webstore/detail/mathjax-plugin-for-github/ioemnmodlmafdkllaclgeombjnmnbima)
2. 也可以clone全部内容到本地,然后用VSCode浏览,但VSCode中需要安装能读取Markdown格式的扩展,比如Markdown AllInOne插件。
## 写在前面,为什么要出这个系列的教程呢?
总的说来,我们现在有了很多非常厉害的深度学习框架,比如Tensorflow,CNTK,PaddlePaddle,Caffe2等等。然而,我们用这些框架在搭建我们自己的深度学习模型的时候,到底做了一些什么样的操作呢?我们试图去阅读框架的源码来理解框架到底帮助我们做了些什么,但是……很难!很难!很难!因为深度学习是需要加速啦,分布式计算啦,框架做了很多很多的优化,也让像我们这样的小白难以理解这些框架的源码。
这取决于你是想真正地掌握“深度学习”的思想,还是只想成为一个调参师?在我们看来,如TensorFlow,CNTK这些伟大的深度学习工具,是为了解决实际的应用问题而生的,而不是用来学习“深度学习”知识和思想的。所以我们根据自己亲身经历的学习轨迹,归纳出了以下教程,可以帮助小白做到真正的从入门到精通。
通过以下循序渐进地学习与动手实践,一方面可以帮助读者深刻理解“深度学习”的基础知识,更好地理解并使用现有框架,另一方面可以助力读者快速学习最新出现的各种神经网络的扩展或者变型,跟上快速发展的AI浪潮。
## 适用范围
没有各种基础想学习却无从下手哀声叹气的玩家,请按时跟踪最新博客,推导数学公式,跑通代码,并及时提出问题,以求最高疗效;
深度学习小白,有直观的人工智能的认识,强烈的学习欲望和需求,请在博客的基础上配合代码食用,效果更佳;
调参师,训练过模型,调过参数,想了解框架内各层运算过程,给玄学的调参之路添加一点心理保障;
超级高手,提出您宝贵的意见,给广大初学者指出一条明路!
## 前期准备
环境:
- Windows 10 version 1809
- Python 3.6.6
- Visual Studio 2017 Community or above
- VS Code
自己:
清醒的头脑(困了的同学请自觉泡茶),纸和笔(如果想跟着推公式的话),闹钟(防止久坐按时起来转转),厚厚的衣服(有暖气的同学请忽略)
## 网络结构概览
|网络结构名称|网络结构图|应用领域|
|---|----|----|
|单入<br>单出<br>一层|<img src="./Images/4/Setup.png"/>|一元线性回归|
|多入<br>单出<br>一层|<img src="./Images/5/setup.png"/>|多元线性回归|
|多入<br>单出<br>一层|<img src="./Images/6/BinaryClassifierNN.png"/>|线性二分类<br>|
|多入<br>多出<br>一层|<img src="./Images/7/MultipleClassifierNN.png"/>|线性多分类<br>|
|单入<br>单出<br>两层|<img src="./Images/9/nn.png"/>|一元非线性回归/拟合<br>可以拟合任意复杂函数|
|多入<br>单出<br>两层|<img src="./Images/10/xor_nn.png"/>|非线性二分类|
|多入<br>多出<br>两层|<img src="./Images/11/nn.png"/>|非线性多分类|
|多入<br>多出<br>三层|<img src="./Images/12/nn3.png"/>|非线性多分类|
|多层全连接网络|<img src="./Images/14/mnist_net.png"/>|非线性多分类|
|带批归一化层的多层全连接网络|<img src="./Images/15/bn_mnist.png"/>|非线性多分类|
|带丢弃层的多层全连接网络|<img src="./Images/16/dropout_net.png"/>|非线性多分类|
|简单的卷积神经网络|<img src="./Images/17/conv_net.png"/>|非线性多分类|
|复杂的卷积神经网络|<img src="./Images/18/mnist_net.png"/>|非线性多分类|
|单向循环神经网络|<img src="./Images/19/bptt_simple.png"/>|非线性多分类|
|双向循环神经网络|<img src="./Images/19/bi_rnn_net_right.png"/>|非线性多分类|
|深度循环神经网络|<img src="./Images/19/deep_rnn_net.png"/>|非线性多分类|
## 写在后面
加星点赞是一种良好的Open Source的程序员素养,作者的目标是得到10000颗星!星越多,我们的创作团队越努力!
送人玫瑰,手有余香,传播给你的朋友,让大家一起进步!
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
神经网络九步学习法(真正的深入浅出) (1657个子文件)
Package.appxmanifest 2KB
packages.config 4KB
App.config 563B
MainWindow.xaml.cs 4KB
App.xaml.cs 4KB
MainPage.xaml.cs 4KB
Resources.Designer.cs 3KB
AssemblyInfo.cs 2KB
mnist.cs 1KB
mnist.cs 1KB
AssemblyInfo.cs 1KB
Settings.Designer.cs 1KB
App.xaml.cs 415B
OnnxDemo.csproj 14KB
OnnxDemo.csproj 8KB
kc_house_data.csv 2.4MB
PM25_data.csv 1.88MB
kc_train.csv 663KB
kc_test.csv 184KB
adult.data 3.79MB
FashionMnistTestX 7.48MB
FashionMnistTestY 10KB
FashionMnistTrainX 44.86MB
FashionMnistTrainY 59KB
1.gif 893KB
2.gif 714KB
.gitignore 2KB
keras_cifar10_trained_model.h5 9.59MB
LightGBM_DL.ipynb 55KB
1 - Sequence to Sequence Learning with Neural Networks.ipynb 28KB
image10.jpeg 10KB
img70.jpg 158KB
img71.jpg 149KB
normalize.jpg 39KB
Loss-A-Z.jpg 31KB
QA4.jpg 29KB
lr-select-2.jpg 14KB
lr-select-1.jpg 10KB
convnet.jpg 10KB
18.0-经典卷积神经网络模型.md 17KB
10.4-逻辑异或门的工作原理.md 16KB
17.3-卷积的反向传播原理.md 16KB
19.2-四个时间步的循环神经网络.md 15KB
12.3-学习率与批大小.md 15KB
07.1-多分类函数.md 14KB
17.2-卷积前向计算代码实现.md 14KB
20.1-LSTM基本原理.md 14KB
18.1-实现颜色分类.md 14KB
01.3-神经网络的基本工作原理.md 13KB
19.3-通用的循环神经网络模型.md 13KB
19.4-空气质量预测.md 13KB
16.3-L1正则.md 13KB
06.6-用双曲正切函数分类.md 13KB
09.7-参数调优初步.md 12KB
09.4-神经网络非线性回归的实现.md 12KB
13.1-模型文件概述.md 12KB
09.3-验证与测试.md 12KB
19.1-两个时间步的循环神经网络.md 12KB
17.4-卷积反向传播代码实现.md 12KB
20.2-LSTM代码实现.md 11KB
16.6-数据扩展.md 11KB
16.0-正则化.md 11KB
19.7-双向循环神经网络.md 11KB
05.2-神经网络法.md 11KB
17.0-卷积神经网络原理.md 10KB
05.3-样本特征数据标准化.md 10KB
20.3-GRU基本原理.md 10KB
12.2-梯度检查.md 10KB
16.2-L2正则.md 10KB
01.2-范式的演化.md 10KB
02.1-线性反向传播.md 10KB
16.7-集成学习.md 10KB
04.5-梯度下降的三种形式.md 10KB
15.3-自适应学习率算法.md 9KB
15.5-批量归一化的原理.md 9KB
09.1-多项式回归法拟合正弦曲线.md 9KB
04.3-神经网络法.md 9KB
17.1-卷积的前向计算原理.md 9KB
04.0-单入单出单层-单变量线性回归.md 9KB
02.0-反向传播与梯度下降.md 9KB
19.0-普通循环神经网络.md 9KB
01.1-人工智能的定义.md 8KB
15.1-权重矩阵初始化.md 8KB
15.6-批量归一化的实现.md 8KB
07.2-线性多分类实现.md 8KB
16.4-早停法.md 8KB
06.3-线性二分类的工作原理.md 8KB
11.3-分类样本不平衡问题.md 8KB
13.3-Windows中模型的部署.md 8KB
12.1-三层神经网络的实现.md 8KB
09.6-非线性回归的工作原理.md 8KB
18.2-实现几何图形分类.md 8KB
15.2-梯度下降优化算法.md 8KB
16.5-丢弃法.md 8KB
19.5-不定长时序的循环神经网络.md 8KB
06.5-实现逻辑与或非门.md 8KB
10.0-多入单出双层-非线性二分类.md 7KB
18.6-Cifar-10分类.md 7KB
14.1-神经网络反向传播四大公式.md 7KB
19.6-深度循环神经网络.md 7KB
共 1657 条
- 1
- 2
- 3
- 4
- 5
- 6
- 17
资源评论
“逛丢一只鞋”
- 粉丝: 4w+
- 资源: 38
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功