《深度学习入门:基于Python的理论与实现》 学习笔记

最近在看《深度学习入门：基于Python的理论与实现》这本书，整理一下自己的学习笔记~

第一章：Python入门

🔹 内置数据类型

什么是"内置"？Python 语言自身就自带的，不需要额外安装或导入。

什么是"数据类型"？就是数据的种类。

Python 常见的内置数据类型：

🔹 类（class）：自己创建数据类型

如果内置类型不够用，我们可以用 class 自己定义数据类型！

基本语法

# 使用 class 定义类
class 类名:
def__init__(self, 参数1, 参数2, ……):
        self.属性1 = 参数1
        self.属性2 = 参数2

def 方法名1(self, 参数, ……):
        ……

def 方法名2(self, 参数, ……):
        ……

关键字说明

举个例子 🌰

classStudent:
def__init__(self, name, score):
        self.name = name
        self.score = score

defsay_hello(self):
        print(f"我是{self.name}，考了{self.score}分！")

# 创建对象
stu = Student("小明", 95)
stu.say_hello()  # 输出：我是小明，考了95分！

🔹 matplotlib：Python 画图神器

• mat = matlab：模仿 matlab 的画图风格
• plot = 画图、绘图
• lib = library：库

导入方式

import matplotlib.pyplot as plt

pyplot 是 matplotlib 库里的一个子模块。

完整画图六步法

import matplotlib.pyplot as plt

# ① 设置中文字体（需要中文就加）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# ② 准备数据
x = [1, 2, 3, 4, 5]
y = [10, 15, 13, 18, 22]

# ③ 画图
plt.plot(x, y, color='red', marker='o', label='销量')

# ④ 美化
plt.title("月度销量")
plt.xlabel("月份")
plt.ylabel("销量（件）")
plt.legend()
plt.grid(True, linestyle='--', alpha=0.7)

# ⑤ 保存（可选）
plt.savefig("销量图.png", dpi=300, bbox_inches='tight')

# ⑥ 显示
plt.show()

第二章：感知机

🔹 什么是感知机？

感知机（perceptron） = 最简单的人工神经元，是神经网络的基本单元。

两个输入的感知机结构

  x₁ ──w₁──→ ┌─────┐
              │  y  │  → 输出（0 或 1）
  x₂ ──w₂──→ └─────┘

• x₁、x₂：输入信号
• w₁、w₂：权重（weight），表示每个输入的重要程度
• y：输出，只有 0 或 1 两种结果

💡 简单理解：感知机就是一个"加权求和 + 判断阈值"的小机器，输入多个信号，输出 0 或 1。

🔹 逻辑门：数字电路的基本单元

什么是逻辑门？数字电路里的基本判断单元，输入几个 0/1 信号，输出一个 0/1 信号。

为什么会有逻辑门？

• 计算机底层语言是 0/1，处理 0/1 的基本工具就是逻辑门
• 一个逻辑门只能做简单判断，但一堆逻辑门拼起来，就能实现加法、乘法、存数据，最终组成整个 CPU

计算机的层次结构

CPU / 芯片
  └── 由几十亿个晶体管组成
      └── 晶体管拼成各种「逻辑门」（与门、或门、非门……）
          └── 逻辑门再拼成加法器、存储器、控制器……
              └── 最终组成整个计算机

三种基本逻辑门

这三个是数字逻辑电路里的基本概念！

🔹 线性可分 vs 非线性可分

线性可分：能用一条直线把两类东西分开。

• 由直线分割开的空间 → 线性空间
• 由曲线分割的空间 → 非线性空间

重要结论 ⚠️

单层感知机无法表示异或门（XOR）

因为异或问题是非线性可分的，单层感知机只能分类线性可分的数据。

🔹 两层感知机可以实现异或门

既然单层不行，那我们就叠两层！

结构示意

  x₁ ──→ 第一层（与非门）──→ s₁ ──→ 第二层（与门）──→ y
    │                                   ↑
    └──→ 第一层（或门） ────→ s₂ ────┘
  x₂ ──┘

思路：

1. 第一层用两个感知机，分别计算「与非门」和「或门」
2. 第二层用一个感知机，计算「与门」
3. 组合起来就能实现异或门的功能