Создание нейронной сети с нуля

Примечание: Данный проект находится на начальной стадии, что означает, что все загруженные библиотечные файлы и функции в блокнотах Jupyter доступны для использования, но они охватывают только часть глубокого обучения. Мы продолжаем работать над тем, чтобы сделать его более качественным и полным.

Вы можете добавлять свои собственные коды, обновления, идеи, заметки и т. д. в этот репозиторий!

В любом случае, это одновременно и учебник по глубокому обучению, и библиотека Python для глубокого обучения.

Как использовать?

Как указано в заголовке, вы можете использовать репозиторий в качестве учебника по созданию нейронных сетей, а также удобной библиотеки Python для ускорения реализации программ машинного обучения.

Каждый каталог содержит соответствующие файлы, как указано в его названии. Например, в каталоге «logistic_regression» вы увидите следующее:

• файл блокнота Jupyter, который показывает весь процесс реализации вычислительной единицы (то есть функции логистической регрессии).
• файл *.py, представляющий собой библиотеку функций Python, которая может помочь вам быстрее создать собственную логистическую регрессию.
• файлы *.pdf, которые являются моими личными заметками о глубоком обучении. Они могут помочь вам лучше понять код.

Другие необходимые библиотеки

Это некоторые другие библиотеки, необходимые для запуска кодов нейронных сетей на вашем терминале.
P.S. Если вам нужны только файлы *.py, то есть файлы lib, единственной необходимой библиотекой будет numpy.
Вы можете использовать pip для их установки. Например, вы можете ввести «sudo pip3 install numpy» на своём терминале, чтобы установить библиотеку numpy.
Все библиотеки, задействованные в этом репозитории, перечислены ниже:

• numpy
  -Как указывалось ранее, это «обязательный элемент» почти всех программ машинного обучения Python. Он может векторизовать реализацию, что может повысить надёжность и ускорить работу вашего кода.
• matplotlib
  -Это библиотека, которая позволяет эффективно рисовать гистограммы, точечные диаграммы и так далее. Если вы знакомы с malab, вам понравится её использовать, обещаю. Но если нет, ничего страшного, потому что почти весь код уже сделан за вас.
• sklearn
  -Эта библиотека имеет несколько интегрированных наборов данных, что может сэкономить нам время на сбор данных. Иногда мы будем использовать эту библиотеку для разделения наборов данных и т.д.