笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容，于是就照着书本内容写了程序跑了一下，在此做个记录。

学习过程中遇到的问题

一些数据结构相关的问题，以作保研面试之用

笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容，于是就照着书本内容写了程序跑了一下，在此做个记录。

1.代码生成领域的主要研究内容：description-to-code、code-to-description、code-to-code。2.最流行的应用：code generation from natural language descriptions, documentation generation, and automatic program repair。3.最常用的机器学习方法：RN

这篇文章根据《深度学习入门》第4章的内容，完成了手写数字识别这个小案例。这一章节的重点是，如何让神经网络“**学会学习**”。为了能够使得神经网络学会学习，将导入`损失函数`这一指标，找到使损失函数达到最小的权重参数。为了找出尽可能小的损失函数值，我们使用`梯度下降法`。

笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容，于是就照着书本内容写了程序跑了一下，在此做个记录。

学习资料：bilibili 西湖大学赵世钰老师的【强化学习的数学原理】课程。

笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容，于是就照着书本内容写了程序跑了一下，在此做个记录。

这篇文章根据《深度学习入门》第4章的内容，完成了手写数字识别这个小案例。这一章节的重点是，如何让神经网络“**学会学习**”。为了能够使得神经网络学会学习，将导入`损失函数`这一指标，找到使损失函数达到最小的权重参数。为了找出尽可能小的损失函数值，我们使用`梯度下降法`。