python – 第 7 页 – 天祺围棋

人工智能python实现-神经网络的“引擎”：基于梯度的优化

2.4神经网络的“引擎”：基于梯度的优化
2.4.1　什么是导数
2.4.2　张量运算的导数：梯度
2.4.3　随机梯度下降
2.4.4　链式求导：反向传播算法
2.5　回顾第一个例子

人工智能python实现-神经网络的“齿轮”：张量运算

2.3神经网络的“齿轮”：张量运算
2.3.1　逐元素运算
2.3.2　广播
2.3.3　张量点积
2.3.4　张量变形
2.3.5　张量运算的几何解释
2.3.6　深度学习的几何解释

人工智能python实现-神经网络的数据表示

前面例子使用的数据存储在多维 Numpy数组中，也叫张量（tensor）。一般来说，当前所有机器学习系统都使用张量作为基本数据结构。张量对这个领域非常重要，重要到 Google的TensorFlow都以它来命名。那么什么是张量？

人工智能python实现-初识神经网络

人工神经网络（Artificial Neural Network，即ANN ）
我们来看一个具体的神经网络示例，使用 Python的 Keras库来学习手写数字分类。如果你没用过 Keras或类似的库，可能无法立刻搞懂这个例子中的全部内容。

人工智能python实现-什么是深度学习

第 1章　什么是深度学习
1.1　人工智能、机器学习与深度学习
1.2　深度学习之前：机器学习简史
1.3　为什么是深度学习，为什么是现在

【python深度学习】目录

第 1章　什么是深度学习
第 2章　神经网络的数学基础.
第 3章　神经网络入门
第 4章　机器学习基础
第 5章　深度学习用于计算机视觉
第 6章　深度学习用于文本和序列
第 7章　高级的深度学习最佳实践
第 8章　生成式深度学习

第 1 章正则表达式
第 2 章网络编程
第 3 章因特网客户端编程
第 4 章多线程编程
第 5 章 GUI编程
第 6 章数据库编程
第7章 *Microsoft Office编程
第8章扩展Python
第9章 Web客户端和服务器
第10章 Web编程：CGI和WSGI
第11章 Web框架：Django
第12章云计算：Google App Engine
第13章 Web服务
第14章文本处理
第15章其他内容

python数据库编程基本操作与SQL

将学习 Python 的数据库 API，并了解如何使用 Python 访问关系数据库。访问数据库包括直接通过数据库接口访问和使用 ORM 访问两种方式。其中使用 ORM 访问的方式不需要显式给出 SQL 命令，但也能完成相同的任务。

python多线程编程【线程】和【进程】

Python 提供了多个模块来支持多线程编程，包括 thread、threading 和 Queue 模块等。程序是可以使用 thread 和 threading 模块来创建与管理线程。

python正则表达式【特殊符号与字符】

本章通篇会使用搜索和匹配两个术语。当严格讨论与字符串中模式相关的正则表达式时，我们会用术语“匹配”（matching），指的是术语“模式匹配”（pattern-matching）。在Python 术语中，主要有两种方法完成模式匹配：“搜索”（searching），即在字符串任意部分中搜索匹配的模式；而“匹配”（matching）是指判断一个字符串能否从起始处全部或者部分地匹配某个模式。搜索通过 search()函数或方法来实现，而匹配通过调用 match()函数或方法实现。

标签： python