AI导读
核心看点
- 以手写数字识别为案例贯穿全书
- 直观图解反向传播等核心算法
- 提供可运行的Python代码辅助理解
适合谁读
- 零基础但想入门深度学习的读者
- 畏惧复杂数学公式的编程爱好者
- 希望直观理解神经网络原理的学习者
读前提醒
- 配合书中交互式网页动画学习更佳
- 重点掌握反向传播与梯度下降原理
- 动手运行代码以深化对概念的理解
读者共识
- 被誉为神经网络最佳入门书籍
- 数学推导简洁，代码清晰易懂
- 作者物理背景带来极佳的直觉解释
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
精彩摘录
- "那么有一个较为可信的理由可以解释为什么用10个输出而非4个：如果有4个输出，那么第1个神经元将设法判断数字的最高有效位是什么。数字的最高有效位于数字形状不容易联系到一起。"
- "With that said, this idea of preferring simpler explanation should make you nervous. People sometimes refer to this idea as "Occam's Razor", and will zealously apply it as though it has the status of some general scientific principle. But, of course, it's not a general scientific principle. There is"
- "The end result is a network which breaks down a very complicated question - does this image show a face or not - into very simple questions answerable at the level of single pixels. It does this through a series of many layers, with early layers answering very simple and specific questions about the"
- "Neural networks are one of the most beautiful programming paradigms ever invented. In the conventional approach to programming, we tell the computer what to do, breaking big problems up into many small, precisely defined tasks that the computer can easily perform. By contrast, in a neural network we"
- "Where does the "softmax" name come from? Suppose we change the softmax function so the output activations are given by aLj=eczLj∑keczLk,(83) where c is a positive constant. Note that c=1 corresponds to the standard softmax function. But if we use a different value of c we get a different function, w"
- "假设神经网络错误地把一个“9”的图像分类为了“8”，我们可以计算如何修改权重和偏置，以使神经网络能够把图像分类为“9”。然后重复这项工作，反复改动权重和偏置来产生更好的输出。神经网络正是通过这种方式进行学习的。"
- "“隐藏”听上去有些神秘，我第一次听到这个词时，以为它涉及某些深奥的哲学或数学涵义，实际上它仅仅意味着“既非输入也非输出”。"
- "相比于神经网络中的输入层和输出层，设计隐藏层堪比艺术创作，尤其是无法将隐藏层的设计流程总结为简单的经验法则。不过，神经网络研究人员已经针对隐藏层提出了许多设计法则，它们有助于控制神经网络的行为，使之符合预期，例如可以利用这些法则估算隐藏层数量和训练神经网络所需的时间。后面会介绍其中几条设计法则。"
目录
Neural Networks and Deep Learning
What this book is about
On the exercises and problems
Using neural nets to recognize handwritten digits
How the backpropagation algorithm works
显示全部
用户评论
挺不错的神经网络的入门书，从理论到代码，看得出经过精心的裁剪。对基本概念和原理介绍得不错，虽然有很多数学公式，但python的代码帮助理解很多细节。激活函数、代价函数、随机梯度下降、反向传播、过度拟合和规范化、权重初始化、超参数优化、卷积网络的局部感受野、混合层、特征映射。
QI 看的是他的，没想到，ML看的也是他的...
极好极好极好的书，如果对机器学习感兴趣，是必读的书。甚至完全不需要数学基础。
一本非常非常棒的神经网络和深度学习的入门书，真正当然得起深入浅出，通过简洁明了的数学推导，和清晰明了简短的代码，把神经网络和CNN做了非常易懂的介绍，强烈推荐深度学习第一书。
深入浅出，入门必备
The best story told about all the nitty-gritty of neutral networks. Great book to refresh memory.
相当实用，相当于带你浏览和实践了deep learning
这个启蒙无敌
很有启发性
我看不懂但是大受震撼
收藏