傳統方法是，學習數學理論，機器學習理論，deep learning理論，然後是實踐，這條路太漫長。
而更快速的方法是使用keras+python快速的上手練習。
通過這些練習，達到2個目的：
a. 熟悉keras的 api函式的用法，來實現不同的dl模型
b. 熟悉dl在語音，語言等建模中的應用。
列舉了一些例子。對影象應用，mnist是不錯的資料集；對語音，timit則扮演著類似的角色。
作為學習，應該選擇不太大的 資料集，方便快速的實驗和比較。
參考:
深度學習Deep Learning
概述 deep feedforward network 深度前饋網路 又名feedforward neural network 前饋神經網路 或 multilayer perceptron 多層感知器 是深度學習模型的精髓 前饋網路的目的是逼近某種方程f 比如乙個分類器，y f x 將輸入x對映到類...
DeepLearning 應用概述
利用卷積的目標篩選功能，用在視覺識別領域。現在此領域好用的網路基本上全部基於cnn，核心都是卷積。迴圈神經網路用於語音識別於自然語言處理。相較於 cnn 在影象識別和檢測方面的廣泛應用，基於序列模型的 rnn 的應用方面則是語音識別 文字翻譯和自然語言處理等其他更為激動人心的領域。所以，正如 cnn...
深度學習Deep learning
第二章 tensorflow之前期零七八碎的小知識 二 tensorflow小知識 總結深度學習入門必須了解一些關於numpy的知識，本文介紹一些零七八碎的注意事項。array1 1,2,3 4,5,6 7,8,9 array2 array1 這麼做是不對的 python中只是把array1的記憶體...