📅  最后修改于: 2020-12-13 14:22:25        🧑  作者: Mango

Python是一种通用的高级编程语言，已广泛用于数据科学和用于产生深度学习算法。这个简短的教程介绍了Python及其库，例如Numpy，Scipy，Pandas，Matplotlib； Theano，TensorFlow，Keras等框架。本教程说明了如何将不同的库和框架应用于解决现实中的复杂问题。本教程是为渴望学习Python基础知识并开发涉及深度学习技术(例如卷积神经网络，递归网络，反向传播等...

📅  最后修改于: 2020-12-13 14:22:40        🧑  作者: Mango

深度结构化学习或分层学习或简称为深度学习是机器学习方法家族的一部分，而机器学习方法本身就是更广泛的人工智能领域的子集。深度学习是一类机器学习算法，它使用几层非线性处理单元进行特征提取和转换。每个后续层都使用前一层的输出作为输入。深度神经网络，深度信念网络和递归神经网络已应用于计算机视觉，语音识别，自然语言处理，音频识别，社交网络过滤，机器翻译和生物信息学等领域，在这些领域所产生的结果可与之媲美，在...

📅  最后修改于: 2020-12-13 14:23:00        🧑  作者: Mango

在本章中，我们将学习为Python深度学习设置的环境。我们必须安装以下软件来进行深度学习算法。Python 2.7以上脾气暴躁的西皮Matplotlib茶野凯拉斯TensorFlow强烈建议通过Anaconda发行版安装Python，NumPy，SciPy和Matplotlib。它包含所有这些软件包。我们需要确保正确安装了不同类型的软件。让我们进入命令行程序并输入以下命令-接下来，我们可以导入所需...

📅  最后修改于: 2020-12-13 14:23:23        🧑  作者: Mango

人工智能(AI)是使计算机能够模仿人类认知行为或智力的任何代码，算法或技术。机器学习(ML)是AI的子集，它使用统计方法来使机器学习并根据经验进行改进。深度学习是机器学习的一个子集，它使多层神经网络的计算变得可行。机器学习被视为浅层学习，而深度学习被视为具有抽象的分层学习。机器学习涉及各种各样的概念。概念在下面列出-监督的无监督强化学习线性回归成本函数过度拟合不合身超参数等在监督学习中，我们学习根...

📅  最后修改于: 2020-12-13 14:23:49        🧑  作者: Mango

人工神经网络，或者简称为神经网络，并不是一个新想法。它已经存在了大约80年。直到2011年，深度神经网络因使用新技术，巨大的数据集可用性和强大的计算机而变得流行。神经网络模仿具有树突，核，轴突和末端轴突的神经元。对于一个网络，我们需要两个神经元。这些神经元通过突触在一个的树突和另一个的终轴突之间传递信息。人工神经元的可能模型看起来像这样-神经网络如下图所示-圆圈是神经元或节点，它们在数据上具有功能...

📅  最后修改于: 2020-12-13 14:25:34        🧑  作者: Mango

深度神经网络(DNN)是在输入和输出层之间具有多个隐藏层的ANN。与浅层ANN相似，DNN可以对复杂的非线性关系建模。神经网络的主要目的是接收一组输入，对其进行渐进的复杂计算，并提供输出以解决诸如分类之类的现实问题。我们限制自己前馈神经网络。在深度网络中，我们具有输入，输出和顺序数据流。神经网络广泛用于监督学习和强化学习问题。这些网络基于彼此连接的一组层。在深度学习中，隐藏层的数量(大多数是非线性...

📅  最后修改于: 2020-12-13 14:25:53        🧑  作者: Mango

在本章中，我们将研究Python深度学习的基础知识。深度学习模型/算法现在让我们了解不同的深度学习模型/算法。深度学习中的一些流行模型如下-卷积神经网络递归神经网络深度信仰网络生成对抗网络自动编码器等输入和输出表示为矢量或张量。例如，神经网络可以具有输入，其中图像中的各个像素RGB值表示为矢量。位于输入层和输出层之间的神经元层称为隐藏层。这是神经网络试图解决问题时大部分工作的地方。仔细研究隐藏层可...

📅  最后修改于: 2020-12-13 14:26:38        🧑  作者: Mango

现在，我们将学习如何训练神经网络。我们还将在Python深度学习中学习反向传播算法和反向传递。我们必须找到神经网络权重的最佳值才能获得所需的输出。为了训练神经网络，我们使用迭代梯度下降法。我们首先从权重的随机初始化开始。随机初始化后，我们使用前向传播过程对数据的某些子集进行预测，计算相应的成本函数C，并以与dC / dw成比例的量更新每个权重w，即，重量。比例常数称为学习率。使用反向传播算法可以有...

📅  最后修改于: 2020-12-13 14:27:08        🧑  作者: Mango

反向传播是通过使用计算图在Tensorflow，Torch，Theano等深度学习框架中实现的。更重要的是，了解计算图上的反向传播结合了几种不同的算法及其变体，例如时间反向传播和共享权重的反向传播。一旦一切都转换为计算图，它们仍然是相同的算法-只是在计算图上反向传播。什么是计算图计算图被定义为有向图，其中节点对应于数学运算。计算图是表达和评估数学表达式的一种方式。例如，这是一个简单的数学方程式-$...

📅  最后修改于: 2020-12-13 14:27:27        🧑  作者: Mango

深度学习在诸如计算机视觉，语言翻译，图像字幕，音频转录，分子生物学，语音识别，自然语言处理，自动驾驶汽车，脑瘤检测，实时语音翻译，音乐等少数应用中产生了良好的结果构图，自动游戏等等。深度学习是继机器学习之后实现更高级实现的下一个重大飞跃。当前，它正朝着成为行业标准的方向发展，在处理原始的非结构化数据时，有望成为改变游戏规则的有力保证。深度学习是目前针对各种现实问题的最佳解决方案提供商之一。开发人员...

📅  最后修改于: 2020-12-13 14:27:51        🧑  作者: Mango

在本章中，我们将深度学习与不同的库和框架相关联。深度学习和Theano如果我们想开始对深度神经网络进行编码，最好了解一下Theano，TensorFlow，Keras，PyTorch等不同框架如何工作。Theano是Python库，它提供了一组功能来构建可在我们的机器上快速训练的深层网络。Theano是在加拿大深奥网络先驱Yoshua Bengio的领导下在加拿大蒙特利尔大学开发的。Theano让...

📅  最后修改于: 2020-12-13 14:29:05        🧑  作者: Mango

在实施深度学习的过程中，我们的目标是预测特定银行的客户流失或搅动数据-哪些客户可能会退出该银行服务。使用的数据集相对较小，包含10000行和14列。我们正在使用Anaconda发行版以及Theano，TensorFlow和Keras之类的框架。 Keras是建立在Tensorflow和Theano它函数其后端的顶部。步骤1：资料预处理第2步我们创建数据集特征和目标变量的矩阵，该变量位于第14列，标...

📅  最后修改于: 2020-12-13 14:29:23        🧑  作者: Mango

以下资源包含有关Python深度学习的其他信息。请使用它们来获得有关此方面的更深入的知识。关于Python深度学习的有用链接Python深度学习@ Wikipedia– Python深度学习，它的历史和各种其他术语已经用简单的语言进行了解释。关于Python深度学习的有用书籍要在此页面上注册您的网站，请发送电子邮件至...

📅  最后修改于: 2020-12-13 14:29:37        🧑  作者: Mango

Python是一种通用的高级编程语言，已广泛用于数据科学和用于产生深度学习算法。这个简短的教程介绍了Python及其库，例如Numpy，Scipy，Pandas，Matplotlib； Theano，TensorFlow，Keras等框架。本教程说明了如何将不同的库和框架应用于解决现实中的复杂问题。...