深度学习入门读书总结

笔记目录：

• 深度学习读书笔记 06
• 深度学习读书笔记 05
• 深度学习读书笔记 04
• 深度学习读书笔记 03
• 深度学习读书笔记 02
• 深度学习读书笔记 01

深度学习是个很有趣的领域。

深度学习入门这本书算是读完了，读书笔记没有第六章和第八章的内容，但书对应的章节是已经读了。之所以不记笔记，是因为这两章的内容是散碎的知识点，前驱后继关系不明显，换句话说就是没那么“成系统”。实际上 Convolution & Pooling 这一章也是有点这个意思，和前面的章节比起来，更像是框架内容的填充而不是知识框架的构筑。而且显然 CNN 一章讲得就没那么深入浅出了，比如完全没提池化层的输出怎么串到全连接层的输入，显然它们的shape不一样。

这也不是第一次对 AI 领域产生兴趣，记得应该是入行第一年，我就试着读了基于 tensorflow 的神经网络教程——然后当然是没学进去。市面上很多机器学习的入门书，给我的感觉就是带着疑问翻开书，带着更多疑问合上书，带着更多更多疑问敲下代码，然后就神奇地跑起来了。至于写的代码到底在干啥，半懂不懂。总之就是神奇地跑起来了。

深度学习入门这本书很难得地从一个合适的角度切入，一点一点勾勒出了神经网络的基本原理框架。读书的时候会遇困难，但都处在一个解决起来有一点难度，但又不至于劝退的程度。读这本书的感觉就像是给脑子做个伸展运动，甚至有点解压。

算算时间，今年1月开始读深度学习入门这本书到现在有两个月了。中间有三四周的时间因为过年没接触电脑，就算读了一个月吧。当然我也不是整天在看=。=算读书的时间不用这么精细。总之两个月，总算读完了，粗读。虽然内容实践了很大一部分，自我感觉是有一定的理解了，脑子里的知识框架算搭了起来，知道神经网络的推理和训练是怎么回事了。

后续的计划是，读深度学习进阶前，先把深度学习入门的知识框架落实了。比如CNN卷积和池化的正/反向传播过程，书中没细讲。读书笔记也没展开太多。其次是结合主流框架如 PyTorch ，来构造神经网络，相互印证。

他山之石，可以攻玉。

预期是写一系列短文，写作的过程也是构筑和巩固知识框架的过程。计划是2到3篇框架，简单的神经网络长啥样，如何推理，如何训练。然后是激活函数和激活函数的属性（正向传播/反向传播）还有实现细节；各种层和层的属性（正向/反向传播）和实现细节，至少包括全连接层、Convolution、Pooling、Dropout，然后是Optimizer和超参，技巧。基本就是对深度学习入门这书全书知识点的复习和重新组织。尽量自己做一些简单的图片来帮助说明（也是帮自己，这方面知识运用的机会太少，以后万一忘了翻一下博客更容易想起来。）

好了大概就这样。