深度学习与神经网络入门必读1！

原文来自：
深度学习与神经网络英文在线书籍
此博客即是此书翻译。
之前很想找到这本书的中文版，发现有个哥们要价太贵了。
所以只能自己翻译了，索性好像不是很难，依靠《有道词典》

本书是一本免费的网络书籍，将会教会你：
一、 神经网络，一个仿生的优美编程模型，她使得计算机能够从观测的数据中学习。
二、深度学习，一套强大的神经网络学习技术
神经网络和深度学习目前为图像识别、语音识别和自然语言处理等诸多问题提供了最佳解决方案。这本书将教给你许多神经网络和深度学习的核心概念。

博客将分章节逐节翻译此书，并且有些地方加上自己的注解。

以下是本书目录：

书本内容

使用神经单元去识别手写数字

背向传输算法是怎么工作的

提升神经网络学习的方法

一个可视的证明：神经网络可以计算任何方程

为什么深度神经网络很难训练

深度学习

附录：有没有一种用于智能的简单的算法

致谢

高频问题及回答

书本内容

神经网络是最美丽的编程范例之一。在传统的编程方法中，我们告诉计算机要做什么，将大问题分解成许多小的、精确定义的任务，计算机可以很容易地执行这些任务。相比之下，在神经网络中，我们不会告诉计算机如何解决我们的问题。相反，它从观测数据中学习，找出自己解决眼前问题的方法。

---

自动从数据中学习听起来很有前途。然而，直到2006年，我们还不知道如何训练神经网络来超越传统的方法，除了一些特殊的问题。2006年发生的变化是在所谓的深层神经网络中发现了学习技术。这些技术现在被称为深度学习。在计算机视觉、语音识别和自然语言处理等许多重要问题上，他们的神经网络和深度学习取得了显著的成绩。它们正被谷歌、微软(Microsoft)和Facebook等公司大规模部署。

---

这本书的目的是帮助你掌握神经网络的核心概念，包括深度学习的现代技术。在阅读完这本书之后，你将会写出使用神经网络和深度学习来解决复杂模式识别问题的代码。你将有一个基础来使用神经网络和深度学习来解决你自己设计的问题。

---

原则导向的方法：

本书背后的一个信念是，最好是深入了解神经网络的核心原理和深度学习，而不是模糊地理解一长串的想法。如果你对核心思想了解得很好，你就能很快地理解其他新材料。在编程语言术语中，把它看作是掌握一种新语言的核心语法、库和数据结构。您可能仍然只“知道”语言的一小部分——许多语言都有巨大的标准库——但是新的库和数据结构可以快速而容易地理解。

---

这意味着该书在如何使用某些特定的神经网络库方面不是一个教程。如果你主要想在图书馆里学习，不要读这本书!找到您希望学习的库，并通过教程和文档工作。但是要注意。如果你想了解神经网络的实际情况，如果你想知道神经网络的真实情况，如果你想知道神经网络的真实情况，那就只需要学习一些热的库就不够了。你需要了解神经网络如何工作的持久、持久的洞察力。技术进步，技术进步，但洞察力是永恒的。

手动实践的方式：

我们将通过解决一个具体的问题来学习神经网络和深度学习背后的核心原理:教计算机识别手写数字的问题。这个问题很难用传统的编程方法解决。然而，正如我们将看到的，它可以很好地用一个简单的神经网络来解决，只有几十行代码，没有特殊的库。更重要的是，我们将通过多次迭代来改进这个程序，逐步将更多关于神经网络和深度学习的核心思想结合起来。

---

这种亲自动手的方法意味着你需要一些编程经验来阅读这本书。但你不需要成为一个专业的程序员。我已经编写了Python(version 2.7)中的代码，即使您不使用Python编程，也只需稍加努力就可以理解。通过这本书，我们将开发一个神经网络库，你可以用它来进行实验和建立理解。所有的代码都可以在这里下载。一旦你完成了这本书，或者当你阅读它的时候，你可以很容易地找到一个功能更完整的神经网络库，用于生产。

---

与此相关的是，读这本书的数学要求很有限。大部分章节都有一些数学，但通常只是初等代数和函数图，我想大多数读者都不会介意。我偶尔会使用更高级的数学，但有结构的材料，所以你可以跟随即使一些数学细节逃避你。第一章广泛使用较重的数学是第二章，它需要一个小的多变量演算和线性代数。如果这些不熟悉，我将从第2章开始讨论如何在数学中导航。如果你发现它真的很重，你可以直接跳到章节的主要结果的总结。在任何情况下，没有必要在一开始就担心这个问题。

---

对于一本书来说，既要有原则，又要动手，这是很少见的。但我相信，如果我们构建出神经网络的基本概念，你会学得更好。我们将开发生活代码，而不仅仅是抽象的理论，你可以探索和扩展的代码。这样你就能在理论和实践中了解基本原理，并做好准备，进一步了解你的知识。

---

关于问题和练习：

对技术书籍来说，包括作者的告诫，读者必须做练习和问题，这并不罕见。当我读到这样的警告时，我总是感到有点奇怪。如果我不做练习和问题，会有不好的事情发生吗?当然不是。我将获得一些时间，但代价是理解的深度。有时做题这是值得的。

---

那么这本书值得做些什么呢?我的建议是，你确实应该尝试大部分的练习，你应该尽量不去做大部分的问题。

---

你应该做大部分的练习，因为它们是基本的检查，你已经了解了材料。如果你不能相对容易地解决运动，你可能错过了一些基本的东西。当然，如果你在偶尔的练习中遇到困难，那就继续前进吧——很有可能只是你对你的部分有一点误解，或者我说的很糟糕。但是，如果大多数练习都是一种挣扎，那么你可能需要重读一些早期的材料。

---

问题是另一回事。他们比练习更困难，你可能很难解决一些问题。这很烦人，但是，面对这样的挫折，耐心是真正理解和内化一个主题的唯一方法。

---

话虽如此，我不建议大家解决所有的问题。更好的是找到自己的项目。也许你想用神经网络来分类你的音乐收藏。或者预测股票价格之类的。但是找一个你关心的项目。然后你可以忽略书中的问题，或者仅仅把它们作为你自己项目的灵感。与你关心的项目作斗争将教会你远远超过处理任何数量的设置问题。情感承诺是达到精通的关键。

---

当然，您可能不会想到这样一个项目，至少在前面。这很好。努力解决那些你觉得有动力去做的问题。并在书中使用这些材料来帮助你寻找创造性的个人项目的想法。