笔记|李宏毅老师机器学习课程，视频13深度学习的Helloworld

《学习笔记》专栏·第33篇

文 | MLer

822字 | 2分钟阅读

感谢李宏毅老师的分享，他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站：http://speech.ee.ntu.edu.tw/~tlkagk/index.html。这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。

这门课，共有36个视频，每个视频播放的时间不一。我按着视频播放的顺序，观看，聆听和学习，并结合讲义，做学习笔记。我做学习笔记目的有三：

1 帮助自己学习和理解机器学习

2 记录机器学习的重要知识、方法、原理和思想

3 为传播机器学习做点事情

视频13：深度学习的Hello world

一、Keras介绍回归的应用

Keras是什么，如下图：

一个有趣的图片，描述一位深度学习研究生所做的事情。

二、Deep learning Hello world

手写数字图像识别

1 问题定义

2 利用Keras实现深度学习的三部曲

2.1 定义函数集

利用Keras构建一个神经网络结构

2.2 度量函数的好坏

2.3 寻找最佳的函数

通过训练集寻找最佳的函数，需要配置优化方法和度量的指标，比方说分类问题，常用adam优化器，accuracy做度量指标。

batch_size的值表示一个min-batch含有的随机分配的样本数，epoch表示要反复执行完所有样本数的轮数。如下图：

深度学习为什么采用mini-batch?

从速度和性能来进行分析

李老师，还从矩阵计算的角度分析了mini-batch和随机梯度下降算法效率问题，如下图：

Keras训练的模型应用

思考题：

1 如何使用Keras设计和构建深度学习模型？

2 深度学习模型里面的超参数如何设置？

课程视频点击 http://47.112.229.252:8082/files/11e762b2-b08c-4420-8f0a-b69adaa03c97/ML%20Lecture%208-1_%20%E2%80%9CHello%20world%E2%80%9D%20of%20deep%20learning.mp4