📕 深度学习入门教室

照着《深度学习入门教室》（[日] 谷岡広樹、康鑫 著，莊永裕 译，脸谱文化 · 科普漫游 FQ1054，2019-01，248 页，日文原名「いちばんやさしい ディープラーニング入門教室」——6 堂基础课程＋Python 实作练习）做的自学笔记 —— 它是 图解深度学习 的下游练习本：41 课竖着钻——从神经元一路钻到卷积核，讲的是「为什么」；这一本是动手的入门教室——六堂课，先弄清深度学习在哪儿、再把 Python 和 TensorFlow 装上、然后从单个神经元一路做到卷积网络和 RNN。两本对照着看：41 课想不通的地方，来这里找一遍能跑的最小例子。全书一条主线四块 6 章 40 节：先弄清位置、再把工具装上（第 1~2 章，深度学习在 AI 和机器学习里占哪一格、三次热潮两次寒冬各因为什么起落、做这一行的最小数学与 Python 基本语法）；跑起来先看见效果（第 3 章，TensorFlow/Keras/Jupyter/NumPy/Matplotlib，最后用 Keras 跑通一个图像辨识）；拆开类神经网络（第 4 章，神经元与感知器、激励函数、赫布理论与差量规则、XOR 为什么逼出多层、损失函数、梯度法、反向传播、MNIST）；卷积与序列（第 5~6 章，感受野与卷积运算、补零与步幅、ReLU、池化、全连结、过适与丢弃，再到 RNN/LSTM/GRU/语言模型/Seq2Seq/Attention）。正文保留台版用词（类神经网络/激励函数/补零/步幅/丢弃），索引页附了术语对齐表随时回来查。本课是 入门实作课，Demo 全部 numpy 真算或真跑：感知器自己写、反向传播自己推链式法则、卷积自己算感受野、LSTM 的门自己开合——Keras 只在第 3 章当「看见效果」的道具。教材配的图一张没抄、代码一行没抄。大白话、不跳步骤、必带生活比喻、常见误区、可折叠自测题。

内容来自我的 Obsidian 自学笔记 · 全书 6 章 40 篇已全部写完 · 全书完结 🎉