Python神经网络编程 封面

Python神经网络编程

评分 4.7
章节数
30
丛书
异步图书深度学习系列
ISBN
9787115474810

标签

内容简介

本书是英国技术作者塔里克·拉希德(Tariq Rashid)所著《Make Your Own Neural Network》的中文译本,由林赐翻译,人民邮电出版社2018年出版,属“异步图书·深度学习系列”。全书以“从零手写一个神经网络”为主线,刻意避开繁难的数学推导,用中学生也能跟上的语言把神经网络的工作机制一层层讲清楚。 第1章从“一台简单的预测机”讲起,先做线性分类器,再说明单个分类器为何不足以求解复杂问题,由此引出神经元、信号在层间的追踪、矩阵乘法的用途,以及多层网络如何通过反向传播误差来更新权重。第2章进入实践,介绍Python与IPython的基本用法,带领读者一步步用Python 3搭建自己的三层神经网络,并用MNIST手写数字数据集训练、测试它,检验识别效果。第3章进一步打开训练完成的网络“黑箱”,观察权重与中间层,尝试用自己的手写数字测试,并通过旋转图像来扩充训练数据。附录另给了微积分入门和用树莓派运行代码的说明。全书约200页,配彩图,重在动手跑通而非罗列公式,是一本适合零基础读者的神经网络启蒙书。

编辑推荐

市面上的深度学习书大多从框架讲起,动辄调用几行API就“训完了一个模型”,读者却始终不清楚网络内部发生了什么。这本书反其道而行:不借助任何深度学习框架,只用Python标准库和一点矩阵运算,陪读者从零写一个能识别手写数字的神经网络。 它的难得之处在于“降门槛而不降内容”。反向传播通常是最劝退的一章,作者却先用一个简单的预测机、一个线性分类器打底,再用图示一步步把误差如何回流、权重为何这样更新讲透;连微积分都另设附录从“一条直线”讲起。全书不到220页,配彩图,读完大约只需几个周末,却能真正获得“我懂了”的踏实感。 如果你曾被公式和框架挡在门外,这本书是很好的第一块踏板:先亲手造一个小网络,再去学TensorFlow或PyTorch,理解会完全不同。

适合谁读

适合

  • 有中学数学基础、想真正弄懂神经网络原理的零基础读者
  • 会一点Python、但没接触过机器学习的程序员
  • 被深度学习框架“黑箱”困扰、想拆开看内部的学生
  • 准备用树莓派做小型AI实验的创客与爱好者

不适合

  • 希望直接学习TensorFlow、PyTorch等框架实战的读者
  • 需要CNN、RNN、Transformer等前沿模型系统讲解的研究者
  • 追求工业级工程部署与调优经验的技术人员

阅读建议

  1. 务必边读边敲代码,本书价值大半在动手复现,光看不练收获有限。
  2. 第1章的矩阵与求导若卡住,可先跳到附录A补微积分再回头。
  3. 把MNIST跑通后,试着换自己的手写数字或改网络层数,观察准确率变化。
  4. 读完再转向任一深度学习框架,对比“手写版”与框架版实现,理解会更牢固。

出版社简介

人民邮电出版社 中国 · 成立于 1953 年

人民邮电出版社以科技、计算机与信息通信类图书见长,并由此延伸至摄影、艺术、软件学习与励志成长等门类,形成较为多元的出版方向。库内图书既涵盖《重构与模式(修订版)》《华为交换机学习指南(第二版)》等计算机与通信技术读物,也收录《小王子(中英法彩绘典藏纪念版)》《了不起的盖茨比》《假如给我三天光明》等双语典藏类作品;《北京十年:1980-1990》与《鬼刀 WLOP个人插画作品集》则体现其在摄影与艺术领域的布局。作者资源包括安东尼·圣埃克苏佩里、海伦·凯勒、Joshua Kerievsky、王达、张兆增与WLOP等。

目录

  1. 第1章 神经网络如何工作
  2. 1.1 尺有所短,寸有所长
  3. 1.2 一台简单的预测机
  4. 1.3 分类器与预测器并无太大差别
  5. 1.4 训练简单的分类器
  6. 1.5 有时候一个分类器不足以求解问题
  7. 1.6 神经元——大自然的计算机器
  8. 1.7 在神经网络中追踪信号
  9. 1.8 凭心而论,矩阵乘法大有用途
  10. 1.9 使用矩阵乘法的三层神经网络示例
  11. 1.10 学习来自多个节点的权重
  12. 1.11 多个输出节点反向传播误差
  13. 1.12 反向传播误差到更多层中
  14. 1.13 使用矩阵乘法进行反向传播误差
  15. 1.14 我们实际上如何更新权重
  16. 1.15 权重更新成功范例
  17. 1.16 准备数据
  18. 第2章 使用Python进行DIY
  19. 2.1 Python
  20. 2.2 交互式Python = IPython
  21. 2.3 优雅地开始使用Python
  22. 2.4 使用Python制作神经网络
  23. 2.5 手写数字的数据集MNIST
  24. 第3章 趣味盎然
  25. 3.1 自己的手写数字
  26. 3.2 神经网络大脑内部
  27. 3.3 创建新的训练数据:旋转图像
  28. 3.4 结语
  29. 附录A 微积分简介
  30. 附录B 使用树莓派来工作

常见问题

这本书需要什么数学基础?
作者定位为只需中学数学,书中涉及矩阵乘法和求导,但都用图示和直观语言解释,附录A还专门从直线斜率讲起补充微积分,没有基础也能跟上,只是需要多花点时间。
零编程基础能读吗?
有一定Python基础会更顺畅。第2章会介绍Python与IPython的基本用法,但篇幅有限,完全没写过代码的读者建议先补一门Python入门课,再来动手写网络。
书里的代码用什么版本、需要装框架吗?
书中使用Python 3,仅依赖numpy等基础库,不依赖TensorFlow或PyTorch,重点是让读者看清每一步运算;附录还介绍了在树莓派上安装IPython并运行的方法。
内容会不会太浅,学完能做什么?
本书目标是打通原理,覆盖三层全连接网络、反向传播与MNIST识别。学完可以独立实现小型网络,但不涉及卷积、循环网络等结构,属于进阶前的扎实起点。
这个“免费试读版”和正式版有什么区别?
网络流传的“免费试读版 手把手教你用Python写神经网络编程”是同一本书的非正式电子版标注,内容对应人民邮电出版社2018年版《Python神经网络编程》(ISBN 9787115474810),建议以正版纸书或电子书为准。

读者评论

查询本书

本站为索引目录:「全网查询」由您发起、在您的浏览器中运行,所列入口均指向第三方站点,请自行判断可用性。

同一作者

同类高分