如果只读一本神经网络入门图书，请选择这本《Python神经网络编程》[英] 塔里克·拉希德（Tariq Rashid） 著。基于Python 3.5，对神经网络精彩解读。

本书所探讨的就是神经网络，让你了解神经网络如何工作，帮你制作出自己的神经网络，训练神经网络来识别人类的手写字符。如果使用传统的方法来执行这个任务，那么将是非常困难的。

 

读这本书需要数学知识吗？

本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。

读者群：

本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程进行神经网络开发的读者参考。

《Python神经网络编程》共分３章：

• 在第1章中，我们将如清风拂面般，一览在简单的神经网络中所用的数学思想。我们有意不介绍任何计算机编程知识，以避免喧宾夺主地干扰了本书的核心思想。
• 在第2章中，我们将学习足以实现自己的神经网络的Python知识。我们将训练神经网络，识别手写数字，并且会测试神经网络的性能。
• 在第3章中，我们将进一步了解简单的神经网络，这超出了了解基本神经网络知识的范畴，但是我们这样做只是为了获得一些乐趣。我们将尝试一些想法，进一步改善神经网络的性能，我们将观察已受训练的神经网络内部，看看我们是否理解神经网络所学习到的知识，是否理解神经网络是如何做出决定进行回答的。

我们使用的软件工具都是免费开源的，你无须支付任何费用。你也不需要一台昂贵的计算机制作自己的神经网络。本书中的所有代码都已经经过了测试，可以在价廉物美的树莓派Zero上运行。在本书的末尾，附录B介绍了如何让你的树莓派准备就绪。

豆瓣评分9.2

 

 

 

实拍

 

 

 

 

详细目录

第 1 章　神经网络如何工作001

• 1.1　尺有所短，寸有所长 001
• 1.2　一台简单的预测机 003
• 1.3　分类器与预测器并无太大差别008
• 1.4　训练简单的分类器　011
• 1.5　有时候一个分类器不足以求解问题　020
• 1.6　神经元——大自然的计算机器　024
• 1.7　在神经网络中追踪信号　033
• 1.8　凭心而论，矩阵乘法大有用途　037
• 1.9　使用矩阵乘法的三层神经网络示例　043
• 1.10　学习来自多个节点的权重　051
• 1.11　多个输出节点反向传播误差053
• 1.12　反向传播误差到更多层中　054
• 1.13　使用矩阵乘法进行反向传播误差　058
• 1.14　我们实际上如何更新权重　061
• 1.15　权重更新成功范例　077
• 1.16　准备数据　078

第 2 章　使用Python进行DIY 083

• 2.1　Python　083
• 2.2　交互式Python = IPython　084
• 2.3　优雅地开始使用Python　085
• 2.4　使用Python制作神经网络 105
• 2.5　手写数字的数据集MNIST 121

第 3 章　趣味盎然 153

• 3.1　自己的手写数字　153
• 3.2　神经网络大脑内部　156
• 3.3　创建新的训练数据：旋转图像　160
• 3.4　结语　164

附录A　微积分简介 165

• A.1　一条平直的线　166
• A.2　一条斜线　168
• A.3　一条曲线　170
• A.4　手绘微积分　172
• A.5　非手绘微积分　174
• A.6　无需绘制图表的微积分　177
• A.7　模式　180
• A.8　函数的函数　182

附录B　使用树莓派来工作 186

• B.1　安装IPython　187
• B.2　确保各项工作正常进行　193
• B.3　训练和测试神经网络　194
• B.4　树莓派成功了 195