廖繼紅 南寧職業(yè)技術(shù)學院

隨著信息技術(shù)和數(shù)據(jù)科學發(fā)展，作為人工智能分支領(lǐng)域的深度學習得到迅速發(fā)展，應用領(lǐng)域不斷擴大，已滲透到自然科學、生物醫(yī)學和社會科學等領(lǐng)域的方方面面，越來越受到人們的關(guān)注。

一、Python語言程序庫

Python是一種解釋執(zhí)行的高級程序設(shè)計語言，易學易用，語法簡練，可讀性強，幾乎適應各種平臺使用，Python具有豐富的類庫，因此基于Python語言的數(shù)據(jù)處理應用功能被廣泛認可。

1.Numpy

Numpy是Python科學計算的基礎(chǔ)工具包，其提供了一個名為ndarray的多維數(shù)組，數(shù)組中的數(shù)據(jù)類型是一致的，因此可以輕松確定數(shù)組所需要的空間，并且運用向量化運算來處理數(shù)組，運算速度格外快。NumPy數(shù)組可以通過使用的切片和索引方法對數(shù)據(jù)進行訪問和修改處理。

2.Pandas

Pandas是一個開源的用于數(shù)據(jù)清洗的Python庫，實現(xiàn)數(shù)據(jù)讀出、整理、描述和統(tǒng)計，Pandas的基本操作，包括創(chuàng)建相應的數(shù)據(jù)結(jié)構(gòu) ，對數(shù)據(jù)進行選取，再調(diào)用相應的方法函數(shù)，處理丟棄缺失的值，缺失值的填充、標識和刪除重復的行，數(shù)據(jù)清洗。

3.Scipy

Scipy是在Numpy庫基礎(chǔ)上增加許多數(shù)學、科學計算的函數(shù)庫，可以提供包括統(tǒng)計、優(yōu)化整合以及線性代數(shù)、信號圖象圖例、常微分方程的求解。

4.Matplotlib

Matplotlib具有的Python繪圖庫，可以在各種平臺上使用，使得數(shù)據(jù)分析具有結(jié)果的可視化，直觀化，形成箱形圖、對數(shù)圖等 。

二、深度學習工作原理

機器學習是人工智能的一個分支，深度學習是機器學習的一個領(lǐng)域，深度學習中是從數(shù)據(jù)中學習表示的一種方法，是從連續(xù)的層中進行學習，這些分層表示 部是通過神經(jīng)網(wǎng)絡的模型來學習。

深度學習的具體過程：

1.定義訓練數(shù)據(jù)，輸入樣本X，目標值Y

2.定義模型網(wǎng)絡，在X上前向傳播運行網(wǎng)絡，得到預測值Y

3.計算預測值Y和目標Y的差距

4.更新網(wǎng)絡權(quán)重，使網(wǎng)絡在這批數(shù)據(jù)上的損失略微下降。

必要時重復上述步驟。

以下是深度學習的工作原理圖：

其中，權(quán)重是神經(jīng)網(wǎng)絡中每層對輸入數(shù)據(jù)所做的具體操作，本質(zhì)是一串數(shù)字，通過權(quán)重參數(shù)對每層進行變換，可以通過反饋機制對權(quán)重進行調(diào)整。

工作的目標：找到權(quán)重的正確取值。

三、神經(jīng)網(wǎng)絡的實現(xiàn)

1.神經(jīng)網(wǎng)絡的數(shù)據(jù)表示

神經(jīng)網(wǎng)絡的數(shù)據(jù)存儲在稱為張量的多維數(shù)組NumPy中，張量是矩陣向任意維度的推廣，神經(jīng)網(wǎng)絡 由一系列張量運算組成。為了使原始數(shù)據(jù)更適用于神經(jīng)網(wǎng)絡，必須首先對數(shù)據(jù)進行轉(zhuǎn)換為張量，即數(shù)據(jù)向量化。測試數(shù)據(jù)中可能有的缺失值，要進行預處理，同時讓輸入的數(shù)據(jù)在一定的范圍內(nèi)。

2.神經(jīng)網(wǎng)絡的廣播機制

神經(jīng)網(wǎng)絡由可以稱為廣播的一系列張量運算完成，所有的變換都可以簡化為數(shù)值數(shù)據(jù)張量上的張量運算，神經(jīng)網(wǎng)絡各層的運算是通過矩陣的乘法運算進行的。因此，在深度學習中可以導入NumPy庫，使用NumPy多維數(shù)組的運算來實現(xiàn)神經(jīng)網(wǎng)絡，可以用很少的代碼完成神經(jīng)網(wǎng)絡的層的前向處理。NumPy的廣播機制可以讓形狀不同的數(shù)組之間進行運算。

以下是三層神經(jīng)網(wǎng)絡圖。

其中X表示輸入層，W1表示權(quán)重，A1表示第一層。

用NumPy實現(xiàn)基本語句：

X=np.array(x1,x2)

W1=np.array([w1,w2,w3],[w4,w5,w6])

A1=np.dot(X,W1)

以此類推，多層神經(jīng)網(wǎng)絡也可以實現(xiàn)各層信號的傳遞。

四、Python深度學習框架Keras

Keras是一個Python深度學習框架，具有API接口，可以快速定義、訓練和開發(fā)幾乎所有的深度學習模型，Keras內(nèi)置有計算機視覺的卷積網(wǎng)絡和用于序列處理的循環(huán)網(wǎng)絡。Keras可以通過TensorFlow后端實現(xiàn)，TensorFlow是當今深度學習的主要平臺之一，它是Google開發(fā)的一款Python神經(jīng)網(wǎng)絡外部結(jié)構(gòu)包，具有生成張量，可以調(diào)用Python的計算模塊如NumPy，SciPy程序庫生成序列等功能，是構(gòu)建深度學習模型的最佳方式 。

五、總結(jié)

Python以其特有的簡煉語法，豐富的程序庫，受到人們在關(guān)注，只要學習基本的Python腳本，就可以從事深度學習。深度學習技術(shù)通過使用變換實現(xiàn)模型的過程，使得越來越多的基于Python的深度學習已廣泛應用在圖像分類，語音識別，手寫識別，廣告定投等應用領(lǐng)域。