Python深度学习

主要用sklearn 没有讲清楚

给毫无基础的同学来看，真的挺好的。不失严谨同时简单易懂。

不错的入门书，足以把外行代入坑内了。

简介深度学习，我想本书已经尽量做到深入浅出了。这个是数据分析方面，利用深度学习技术的介绍。第五章 如何构建可定制的深度预测模型 里面一个深度神经网络预测的实际应用 介绍的例子很印象深刻。ANN比ALM有着超过两倍的精度的表现主要是因为ANN的能力来捕捉非线性效应和更高阶的相互作用的结果。

浅尝辄止，但聊胜于无。

传统的反向传播算法计算DNN中所有层中每个神经元，以及每一个单独epoch的神经元权重的变化（称为delta或者梯度）。delta本质上是微积分微分调整，旨在最大限度地减小实际输出和DNN输出之间的误差。 大型的DNN可能有数百万的权重需要计算delta值。数百万的权重需要进行梯度计算，这整个过程需要耗费相当长的时间。使用批量学习传播的方法使DNN收敛为一个可接受的方案所花费的时间很长，甚至很有可能在特定的应用中是不可行的。 小批量方法是加速神经网络计算的常用方法之一。它在几个训练样本（批次）上一起计算梯度，而不是像在原始随机梯度下降算法中那样针对每个单独的样本计算梯度。 一个批次由一个前向/反向传播中的多个训练样本组成。请注意，批次越大，运行模型所需的内存就越多。

无感 没有很多实际有用知识