0基础入门神经网络系列文章汇总

Author：雁陎
发布时间：October 24, 2019
1130views
No comments
2084 words
Categories：机器学习
加载中

这一系列文章均来自[Victor Zhou](https://victorzhou.com/)，他对神经网络的讲解，让我这个数学基础贼差的人也能够很容易地理解，所以决定进行翻译，作为我机器学习的入门教程吧。作者后续发表的相关文章均会汇总到这里。如果我在机器学习领域发现了其他能够补充的材料，也会放到这里。

<div class="tip inlineBlock error">提醒：译者英语水平和机器学习水平都很有限，有能力的同学最好去看原文，如果您发现哪里有翻译错误，欢迎留言指出。</div>

![](https://im.yanshu.work/article/20191022143447882_2517.png)

这个四篇系列文章特别针对初学者，为理解神经网络提供了一种**面向基本原理的**方法。在深入研究两种流行的变体：**递归神经网络**（RNN）和**卷积神经网络**（CNN）之前，我们将为初学者提供**经典神经网络**的介绍。

对于每种类型的网络，我们将：

- 查看网络的**结构**。
- 了解使用该类型网络的**动机**。
- 介绍一个可以使用该网络解决的**现实问题**。
- **手动推导**训练我们特定问题的网络所需**的梯度**。
- 在Python中**完全从头开始**（仅使用[numpy](https://numpy.org/)）**实现功能全面的网络**。

## 知识背景

无需机器学习或神经网络知识基础，但是，以下知识背景可以帮助你更快入门：

- **多元微积分**，用于得出训练我们的网络所需的梯度时使用。如果您没有该知识背景，可以跳过这些梯度推导。
- **线性代数**，特别是矩阵，通常是表示神经网络权重的最佳方法。
- **Python 3**，仅需基础水平即可。

> 译者注：虽然作者说仅要求基础，但是还是建议大家（1）掌握python序列、函数、类、循环、条件等相关概念，尤其是类，其实我觉得它已经超出了基础的范畴……（2）掌握numpy库，这个熟悉一遍了解各个方法的作用就行，我当时是专门学了一遍的，不过被秩轴位的概念搞疯了……（3）如上所述，需要你掌握多元微积分，不过这个好像高中就讲过了，至少我一个文科生都懂；线性代数，回去翻翻教材吧……

译者在学python和numpy的时候做了笔记，你可以参考：

<div class="inner-content" style="margin-left: 10px;">
<p class="inser-title">python基础语法</p>
<div class="inster-summary text-muted">
雁陎做的关于python语法的笔记
</div>
</div>
</a>

</div>

</div>

<div class="inner-content" style="margin-left: 10px;">
<p class="inser-title">numpy基础语法</p>
<div class="inster-summary text-muted">
雁陎做的关于numpy语法的笔记
</div>
</div>
</a>

</div>

</div>

## 系列文章

**基础-softmax**

<div class="inner-content" >
<p class="inser-title">Softmax的简单解释</p>
<div class="inster-summary text-muted">
原文地址基础介绍Softmax将任意实数值转换为概率，这在机器学习中通常很有用。其背后的数学非常简单：给定一些数字...
</div>
</div>
</a>

</div>

</div>

在正式入门神经网络之前，推荐大家先看一下上面这个关于softmax的简要介绍，因为从第二篇文章起就要开始用到，而且是CNN和RNN重要组成部分。

**阅读顺序**如下，主要是根据一些概念出现的顺序来决定的，如果跳读的话很有可能遇到一些不明白的概念，又要回过头看前面的文章。

<div class="inner-content" >
<p class="inser-title">0基础入门神经网络：神经网络简介</p>
<div class="inster-summary text-muted">
原文地址这可能会让您感到惊讶：神经网络并不复杂！“神经网络”一词经常被用作流行语，但实际上，它们通常比人们想象的要...
</div>
</div>
</a>

</div>

</div>

<div class="inner-content" >
<p class="inser-title">0基础入门神经网络：卷积神经网络(CNN)01</p>
<div class="inster-summary text-muted">
原文链接在过去的几年里，关于卷积神经网络（Convolution Neural Networks，CNN）的讨论越...
</div>
</div>
</a>

</div>

</div>

<div class="inner-content" >
<p class="inser-title">0基础入门神经网络：卷积神经网络(CNN)02</p>
<div class="inster-summary text-muted">
原文地址在本文中，我们将深入探讨卷积神经网络（CNN）：如何训练CNN（包括梯度推导），从头实现反向传播（仅使用n...
</div>
</div>
</a>

</div>

</div>

<div class="inner-content" >
<p class="inser-title">0基础入门神经网络：递归神经网络(RNN)</p>
<div class="inster-summary text-muted">
原文地址为什么使用RNN？递归神经网络（Recurrent Neural Networks，RNN）是一种专门处理...
</div>
</div>
</a>

</div>

</div>

持续更新中……

另外我专门为这篇文章写了一篇**名词手册**，包含了中英文对照，您可随时查阅：

<div class="inner-content" >
<p class="inser-title">机器学习相关概念汇总</p>
<div class="inster-summary text-muted">
本文记录了机器学习中所有可能遇到的概念，按先后顺序排列，同时列出英文以便查询。在部分概念下列有解释，也有超链接跳转...
</div>
</div>
</a>

</div>

</div>

## 更深入地学习

想要更深入地学习？可以参考以下内容：

- [使用Keras构建您的第一个神经网络](https://victorzhou.com/blog/keras-neural-network-tutorial/)。
- 学习合适的机器学习库，例如更大/更好的神经网络[Tensorflow](https://www.tensorflow.org/)，[Keras](https://keras.io/)和[PyTorch](https://pytorch.org/)。
- 尝试使用神经网络来参与[Kaggle](https://www.kaggle.com/competitions)数据科学竞赛。
- 斯坦福大学[CS231n](http://cs231n.github.io/)（关于CNN）课程的笔记。
- [Coursera](https://www.coursera.org/courses?query=neural%20networks)上有许多优秀的神经网络。
<hr class="content-copyright" style="margin-top:50px" /><blockquote class="content-copyright" style="font-style:normal"><p class="content-copyright">版权属于：雁陎</p><p class="content-copyright">本文链接：<a class="content-copyright" href="https://www.sitstars.com/archives/50/">https://www.sitstars.com/archives/50/</a></p><p class="content-copyright">转载时须注明出处及本声明</p></blockquote>

Last modification：October 26th, 2019 at 02:46 pm