神经网络入门的第一本书,你应该选择它

如果只读一本神经网络入门图书,请选择这本《Python神经网络编程》[英] 塔里克·拉希德(Tariq Rashid) 著。基于Python 3.5,对神经网络精彩解读。

本书所探讨的就是神经网络,让你了解神经网络如何工作,帮你制作出自己的神经网络,训练神经网络来识别人类的手写字符。如果使用传统的方法来执行这个任务,那么将是非常困难的。

读这本书需要数学知识吗?

本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始,逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识,并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络,训练它识别手写数字,甚至可以与专业的神经网络相媲美。

读者群:

本书适合想要了解深度学习、人工智能和神经网络的读者阅读,尤其适合想要通过Python编程进行神经网络开发的读者参考。

《Python神经网络编程》共分3章:

  • 在第1章中,我们将如清风拂面般,一览在简单的神经网络中所用的数学思想。我们有意不介绍任何计算机编程知识,以避免喧宾夺主地干扰了本书的核心思想。
  • 在第2章中,我们将学习足以实现自己的神经网络的Python知识。我们将训练神经网络,识别手写数字,并且会测试神经网络的性能。
  • 在第3章中,我们将进一步了解简单的神经网络,这超出了了解基本神经网络知识的范畴,但是我们这样做只是为了获得一些乐趣。我们将尝试一些想法,进一步改善神经网络的性能,我们将观察已受训练的神经网络内部,看看我们是否理解神经网络所学习到的知识,是否理解神经网络是如何做出决定进行回答的。

我们使用的软件工具都是免费开源的,你无须支付任何费用。你也不需要一台昂贵的计算机制作自己的神经网络。本书中的所有代码都已经经过了测试,可以在价廉物美的树莓派Zero上运行。在本书的末尾,附录B介绍了如何让你的树莓派准备就绪。

豆瓣评分9.2

实拍

详细目录

第 1 章 神经网络如何工作001

  • 1.1 尺有所短,寸有所长 001
  • 1.2 一台简单的预测机 003
  • 1.3 分类器与预测器并无太大差别008
  • 1.4 训练简单的分类器 011
  • 1.5 有时候一个分类器不足以求解问题 020
  • 1.6 神经元——大自然的计算机器 024
  • 1.7 在神经网络中追踪信号 033
  • 1.8 凭心而论,矩阵乘法大有用途 037
  • 1.9 使用矩阵乘法的三层神经网络示例 043
  • 1.10 学习来自多个节点的权重 051
  • 1.11 多个输出节点反向传播误差053
  • 1.12 反向传播误差到更多层中 054
  • 1.13 使用矩阵乘法进行反向传播误差 058
  • 1.14 我们实际上如何更新权重 061
  • 1.15 权重更新成功范例 077
  • 1.16 准备数据 078

第 2 章 使用Python进行DIY 083

  • 2.1 Python 083
  • 2.2 交互式Python = IPython 084
  • 2.3 优雅地开始使用Python 085
  • 2.4 使用Python制作神经网络 105
  • 2.5 手写数字的数据集MNIST 121

第 3 章 趣味盎然 153

  • 3.1 自己的手写数字 153
  • 3.2 神经网络大脑内部 156
  • 3.3 创建新的训练数据:旋转图像 160
  • 3.4 结语 164

附录A 微积分简介 165

  • A.1 一条平直的线 166
  • A.2 一条斜线 168
  • A.3 一条曲线 170
  • A.4 手绘微积分 172
  • A.5 非手绘微积分 174
  • A.6 无需绘制图表的微积分 177
  • A.7 模式 180
  • A.8 函数的函数 182

附录B 使用树莓派来工作 186

  • B.1 安装IPython 187
  • B.2 确保各项工作正常进行 193
  • B.3 训练和测试神经网络 194
  • B.4 树莓派成功了 195
发布了455 篇原创文章 · 获赞 273 · 访问量 81万+

猜你喜欢

转载自blog.csdn.net/epubit17/article/details/103548646