“世界上不缺乏美,缺乏的是发现美的眼睛~”

清越浅草
2018-07-13 17:05:12

什么是“美”?用最通俗的话来讲就是“我还想再多看你一眼~”,我认为这就是美!美给人以享受,有想继续看下去的欲望。

书已到手,我大概看了看,值得推荐,我就说一下大概情况吧。全书16章,目录简介等去掉后,一共654页892千字,定价为128元,出版日期是2018.7.1。封面和背面我都拍了照,见最下面。

全书整体结构就是16章,每章都有一个很文艺的标题导入语,然后每章结尾有个小结思考。内容很详细,有理论部分,有实践部分,有参考资料,书后

...
显示全文

什么是“美”?用最通俗的话来讲就是“我还想再多看你一眼~”,我认为这就是美!美给人以享受,有想继续看下去的欲望。

书已到手,我大概看了看,值得推荐,我就说一下大概情况吧。全书16章,目录简介等去掉后,一共654页892千字,定价为128元,出版日期是2018.7.1。封面和背面我都拍了照,见最下面。

全书整体结构就是16章,每章都有一个很文艺的标题导入语,然后每章结尾有个小结思考。内容很详细,有理论部分,有实践部分,有参考资料,书后面有专业名词的索引,还提供了源代码。整体内容和作者在云栖社区发的系列文章差不多,多的主要是实践部分和一些细节修正。不过还是书看着舒服!

我买书主要就是看书的目录,是否系统,是否详细,是否易读,还有一个原因就是“有用”!我看这几天作者在微信公众号不停地抽奖做活动,说不定就免费了呢,哈哈~ 本书最吸引我的地方就是文章标题很有文艺气息,能将科技类文章用文学性的语言总结出来,诗一样的句子,感觉很系统,很有艺术性,总结得很好,可见作者确实是动了心思,为读者着想,这确实很“美”

我总结一下这本书,主要讲了深度学习和机器学习的相关基础理论、Python基础和实战、M-P模型、感知机、多层神经网络、BP神经网络、TensorFlow、卷积神经网络CNN、循环递归网络RNN和长短期记忆网络LSTM、胶囊网络CapsNet等。

我本科刚毕业,即将读研,研究方向和这个相关,感觉大部分高校的计算机专业都在研究这个,之前也找过好多关于深度学习和机器学习方面的书籍,不过说实话,买了也就放那里撂这了,整本书都是理论公式的不好让我们一开始就尝到甜头。我感觉那些写书的人就是忙于科研,懒得解释对他们来说很容易的东西,就简单粗暴地直入主题。我觉得对于大部人来讲,比较好的方式是,先有本书带着这你了解一下深度学习研究的大概内容有哪里些?每一部分讲了什么?为什么研究这些?这些实践部分如何实现的?深度学习的历史是怎么样的?后来做了哪些改进?当前最新的技术又有哪些?我该从哪些找到这些资料?等等。等我熟悉了之后再深入地去研究那些算法,不过实际上好多算法都已经用函数封装好了。(上帝视角,有的放矢~)

本书优点也不用多说,除了别人提到的外,我说说其他的,就是重视基础,发展背景,紧跟前沿,内容详细,人文情怀。缺点的话,就是贵啊,money啊,可以用知识就是金钱来安慰自己。每次我一多花钱,我就告诉自己,反正一辈子钱肯定会有剩下的,就当少活几天喽~想买书的话可以自己网上买,书刚出,貌似有活动。不想买的话,这里有个这本书的其中14篇博客(链接为: https://yq.aliyun.com/topic/111 ,内容差不多吧,不过少了最后的“胶囊网络”部分实践部分。


当时看完了博客的每一篇,并且转发文章时附加了一点想法,我一并加到这儿吧。

1.一入侯门“深”似海,深度学习深几许

深度学习就像谈恋爱一样,训练属于你们两个人的参数,最后能否在一起,要看你们是否过拟合和欠拟合了!不要爱得太满,也不要满不在乎, 恋爱不易,且行且珍惜!

2.人工“碳”索意犹尽,智能“硅”来未可知

智慧的大脑都是相似的,实现起来各有各的方式!C和Si原子结构很相似,但生命选择了碳而不是硅。 如果说地球产生了“碳基生物”,那么人类会不会产生“硅基生物”。地球用碳元素来创造人类大脑,而人类用硅元素来制造计算机芯片。 如果未来某一天,人工智能可以用硅芯片思考,用硅板太阳能电池获取能量,再以某种“无性繁殖”方式完成自我复制,你说这是一个硅基生命也未尝不可。 我想我们有必要学习一下“硅基生物”的思考方式。

3. 神经网络不胜语, M-P模型似可寻

计算机有0、1两种状态,神经元的工作模型M-P神经元模型也同样存在“激活”和“抑制”两种状态。由于线性模型的表达力不够,所以引入激活函数来加入非线性因素。 “生命就好像是一种长期而持续的“卷积”的过程,绝不会因为“激活函数”而毁了一个人的一生,也不会因为“激活函数”救了一个人的一生。属于我们该得的,迟早会得到;属于我们不该得的,即使侥幸巧取也不可能长久保有。”

4.“机器学习”三重门,“中庸之道”趋若人

形而上者谓之“道”(中庸), 形而下者谓之“器”(机器)。 外有《圣经》,中有《易经》 。易,日月为易,阴阳(交替)也,即变化之意。 《易经》是一部中国古哲学书籍,是建立在“阴阳二元论”基础上对事物运行规律加以论证和描述的书籍,其对于“天地万物”进行性状“归类”,天干地支五行论,甚至可以对事物的未来发展做出较为准确的“预测”。 “易”为天地人三才之道; “易”为阴阳二元之道; “易”为中庸之道;

(1)天地人:天时、地利、人和;时间、空间、人间;

(2)阴阳:男女、有无、主次、动静;

(3)中:由“|”(1)和“口”(0)组成,1似男,0似女。1是有,0是无。1是大道的体(主体、根基),0是大道的用(从属、枝叶)。同时拥有了大道的体和用,所以中是道的大成。中是“中”国的哲学,是“中”华的密码。

5. Hello World感知机,懂你我心才安息

当感知机可以模拟人类的感知能力,当它学会了如何区分苹果还是香蕉,当它能够明辨与或非,但它最大的“疑惑”就是“异或”。难道机器领域也只能是异性才能有结果吗。感知机,神经网络学习的Hello World,进入新世界的大门别忘了说你好~。

6.损失函数减肥用,神经网络调权重

为了保持身材匀称,我们管住嘴,迈开腿,调整自己的饮食参数和运动参数。同样地,对复杂的前馈神经网络,利用损失函数调节其各个神经元之间的连接权值和其内部的阈值,通过反复训练,进而得到理想的结果。

7. 山重水复疑无路,最快下降问梯度

摸着石头过河,难免会跌跌撞撞,也许撞了南墙还得回头,眼前的路不是路,你说的快有多快~

8. BP算法双向传,链式求导最缠绵

正向传播信号,输出分类信息;反向传播误差,调整网络权值。

9.全面连接困何处,卷积网络见解深

眼镜长在两边,视野广阔,避免危险,弱者生而被捕;眼镜长在一面,眼神深邃,利于捕食,强者天生王者。全连接神经网络只能适用于“浅层”网络,而卷积网络不必考虑使用神经元的“全连接”模式,大大降低神经网络的复杂性。

10.卷地风来忽吹散,积得飘零美如画

眼睛看到一幅图像,是待认知以及人脑中已有的认知遗忘对该图的加权理解,也就是各个影响函数的概率统计值的叠加和。可卷积有什么用呢,卷积核又是神马,跟图像处理有什么关系,我们能挖出来什么突出的特征吗,还是能让我们的照片效果更加新奇多样呢 卷积、影响因子、特征图谱、图像滤波、激活图 、卷积核。。。!

11. 局部连接来减参,权值共享肩并肩

管中窥豹,可见一斑;大道至简,知易行难。就像人是通过一个局部的感受域去感受图像一样,人的目光一开始只落在一个很小的局部区域,然后视角移动扫描整个图像,每一个神经元都不需要对全局图像做感受,那样太累了,然后在更高层,将这些感受不同局部的神经元综合起来就可以得到全局的信息了。或者我们一次只看一个特征,然后多看几次不同的特征也能得出全部信息。那计算机究竟是怎么抽象出来的呢,需要哪些关键步骤呢~卷积神经网络的结构:卷积层(Convolutional Layer)、激活层(Activation Layer)、池化层(Pooling Layer)、全连接层(Full Connected Layer)。

12. 激活引入非线性,池化预防过拟合

斑点青蛙为何会被视为异类,四脚壁虎又为何被视为同族。它们的关系经历过怎样的曲折“激活”了这一复杂的矛盾,这一切的背后又隐藏着什么不为人知的秘密,是样本训练不够时计算机的“欠拟合”,还是数据的误差给放大后的“过拟合”。如何“池化”他们的共性,“连接”到彼此的心灵家园,以便“各回各家,各找各妈”呢?

13. 循环递归RNN,序列建模套路深

“冰冻三尺非一日之寒”,人类历史无不是通过先人的经验拿来所用,创造更加先进的智慧,进而预测未来。人类走的每一步都有特定的作用,而并非仅仅是到达目标的最后一步。找工作面试就是通过你的在校历史或者工作历史来考查你的能力如何,我们对一个人的了解也是通过他的历史作为评判这个人的依据。这时,就需要用到深度学习中另一类非常重要神经网络:循环神经网络,这是一个有套路的神经网络!就像没有突如其来的决定一样,人的想法一定是以前想法的积累,你以为就是因为当前这件事导致某件不好的事情发生,但其实已经酝酿了很久~

14.LSTM长短记,长序依赖可追忆

有时候,学会忘记是一件好事。我们不用羡慕别人记忆超神,懂得如何控制好什么信息该保留,什么信息该遗忘,长短期记忆网络也就是这么做的。记住美好的,忘记不开心的~

##卷积网络虽动人,胶囊网络更传神##

(1)全连接网络:全文记忆。不放过每一个字,需要看的时间最长,耗费精力最大,学得慢。如果文章偏长,学了后面忘了前面。

(2)卷积网络:重点记忆。提取关键词,掌握大致概念,但有时候由于认识不全面,会混淆概念,甚至同一个概念换个说法就不明白,或者把别的类似概念认为是同一个概念。

(3)胶囊网络:理解记忆。有方向、有目标、有效果的学习,能够将学到的东西体系化,结构化,内化为自己的东西,并能够重建、复盘整个框架。而实际效果反映了并不是记得越多效果越好。

图书正面

图书背面

5
0

查看更多豆瓣高分好书

回应(1)

添加回应

推荐深度学习之美的豆列

了解更多图书信息

豆瓣
免费下载 iOS / Android 版客户端