神经网络学习心得

向右看齐 2023-06-09 07:56 162阅读 0赞

> 人工智能（AI）从诞生以来，理论和技术日益成熟，应用领域也不断扩大。目前人工智能（AI）已经以雷霆万钧之势从学术界潜入产业界的每一个角落，其价值之大，可想而知。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。机器学习中的神经网络是研究人工智能最热门的方向，而多层复杂的神经网络又发展成现在的深度学习。

1.  数学基础：高等数学、线性代数、概率论与数理统计（后面两个在本文中可能显得不是那么重要）
2.  编程基础：Python（[https://www.runoob.com/python/python-tutorial.html][https_www.runoob.com_python_python-tutorial.html]）

**1.AI从入门到放弃：BP神经网络算法推导及代码实现笔记：[https://zhuanlan.zhihu.com/p/38006693][https_zhuanlan.zhihu.com_p_38006693]**

总结：该部分是学习神经网络的前提，其中梯度下降法需要重点掌握（用到高数中不少知识点），神经网络中的梯度下降法或BP算法用到了高数中的链式求导法则（可以跟着这个方向走）。链接的内容很多，但是需要我们掌握的有三点，梯度下降法、BP算法、loss损失函数的自定义（提供的链接没有提到，但是用到了，自定义损失函数有些人用到了信息论中的知识）。

**2.神经网络或深度学习框架的选择：[https://blog.csdn.net/broadview2006/article/details/79147351][https_blog.csdn.net_broadview2006_article_details_79147351]**

总结：自认为讲得还不错，自己也用了pytorch的框架。但是也有必要列出其他神经网络框架，如下图所示。pytorch框架学习教程：[https://github.com/zergtant/pytorch-handbook][https_github.com_zergtant_pytorch-handbook]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvdWdoX3N0cm9uZw_size_16_color_FFFFFF_t_70][]

**3.搭建我们所需的环境：这部分我也弄了很长时间，主要原因是pytorch所需要的包都是从国外下载，下载速度很慢导致崩溃。**

第一步，选择Python的编程工具

推荐使用清华源anaconda（[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/][https_mirrors.tuna.tsinghua.edu.cn_anaconda_archive]），下载好后安装即可，该工具自带Python环境。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvdWdoX3N0cm9uZw_size_16_color_FFFFFF_t_70 1][]

第二步，安装pytorch环境

pytorch安装与配置：[https://blog.csdn.net/tough\_strong/article/details/103137029][https_blog.csdn.net_tough_strong_article_details_103137029]

*注意：第二步安装很容易出错。*

所有工作完成好后，我们就可以在GitHub（[https://github.com/][https_github.com]）找个项目来跑跑了（本文不作详细的说明了）。跑完之后就可以自己尝试着写代码了。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvdWdoX3N0cm9uZw_size_16_color_FFFFFF_t_70 2][]

最后，放上几个感觉还不错的链接，因为写本文的初衷就是想收藏几个链接，生怕以后找不到了。

卷积神经网络特征图可视化（自定义网络和VGG网络）：

[https://blog.csdn.net/dcrmg/article/details/81255498][https_blog.csdn.net_dcrmg_article_details_81255498]

Pytorch中正确设计并加载数据集方法：

[https://ptorch.com/news/215.html][https_ptorch.com_news_215.html]

pytorch使用（一）处理并加载自己的数据：

[https://blog.csdn.net/gyguo95/article/details/78821520/][https_blog.csdn.net_gyguo95_article_details_78821520]

Pytorch：从读取数据到项目落地：

[https://blog.csdn.net/qq\_26697045/article/details/100987856][https_blog.csdn.net_qq_26697045_article_details_100987856]

Faster RCNN的TensorFlow代码的理解：

[https://www.cnblogs.com/darkknightzh/p/10043864.html][https_www.cnblogs.com_darkknightzh_p_10043864.html]

faster-rcnn代码解读记录，github+tf：

[https://blog.csdn.net/qq\_41576083/article/details/82966489][https_blog.csdn.net_qq_41576083_article_details_82966489]

[https_www.runoob.com_python_python-tutorial.html]: https://www.runoob.com/python/python-tutorial.html
[https_zhuanlan.zhihu.com_p_38006693]: https://zhuanlan.zhihu.com/p/38006693
[https_blog.csdn.net_broadview2006_article_details_79147351]: https://blog.csdn.net/broadview2006/article/details/79147351
[https_github.com_zergtant_pytorch-handbook]: https://github.com/zergtant/pytorch-handbook
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvdWdoX3N0cm9uZw_size_16_color_FFFFFF_t_70]: /images/20230531/d0034cf52e9043f78c9825ef549ebcae.png
[https_mirrors.tuna.tsinghua.edu.cn_anaconda_archive]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvdWdoX3N0cm9uZw_size_16_color_FFFFFF_t_70 1]: /images/20230531/313c92c59a3c4582a1f89d74fa9bcc9e.png
[https_blog.csdn.net_tough_strong_article_details_103137029]: https://blog.csdn.net/tough_strong/article/details/103137029
[https_github.com]: https://github.com/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RvdWdoX3N0cm9uZw_size_16_color_FFFFFF_t_70 2]: /images/20230531/de785239ccf94771acfd3e184c956d18.png
[https_blog.csdn.net_dcrmg_article_details_81255498]: https://blog.csdn.net/dcrmg/article/details/81255498
[https_ptorch.com_news_215.html]: https://ptorch.com/news/215.html
[https_blog.csdn.net_gyguo95_article_details_78821520]: https://blog.csdn.net/gyguo95/article/details/78821520/
[https_blog.csdn.net_qq_26697045_article_details_100987856]: https://blog.csdn.net/qq_26697045/article/details/100987856
[https_www.cnblogs.com_darkknightzh_p_10043864.html]: https://www.cnblogs.com/darkknightzh/p/10043864.html
[https_blog.csdn.net_qq_41576083_article_details_82966489]: https://blog.csdn.net/qq_41576083/article/details/82966489