[翻译] 神经网络与深度学习 有关习题和难题

[翻译] 神经网络与深度学习 有关习题和难题

目录：
首页
译序
关于本书
> 有关习题和难题
第一章 利用神经网络识别手写数字
第二章 反向传播算法是如何工作的
第三章 提升神经网络学习的效果
第四章 可视化地证明神经网络可以计算任何函数
第五章 为什么深度神经网络难以训练？
第六章 深度学习
附录：有没有一个简单的人工智能算法？
致谢、常见问题

有关“习题”与“难题”

在一本技术书籍里，作者警告读者必须去完全“习题”或者“难题”并不稀奇。当我读到类似的警告时都会感到一丝奇怪。如果我不去做这些习题和难题，难道会有什么坏事发生吗？当然不会。不去完成它们，你会节省一些时间，当然代价是对知识理解的深度。有时候这是值得的，有时候不是。

那么，对于本书，该怎么看待这个问题？我的建议是，你应该尝试大部分的习题，同时不去尝试大部分的难题。

你应该完成大部分的习题是因为，它们都是非常基础的知识，来检验你是否真正理解了它们。如果你在完成习题的时候感觉并不轻松，那么你也许没有掌握一些基础的知识。当然，如果偶尔感觉困难，只管继续看就是了，那可能是你有一些不同的理解，或者我在那个方面没有解释的太过清楚。但如果大多数的习题你都感觉很磨人，那么也许你得回头去看看之前的材料了。

对于“难题”来说，那又是另外一回事。它们显然比习题难的多，你在试图解决它们的时候也会感觉更加抓狂。它们显然很烦人，但，耐心地直面难题是你真正理解和掌握知识的唯一办法。

所以，我并不推荐完成所有的难题，更有意义的事是去寻找你自己的项目。也许你想利用神经网络去分类你的音乐收藏，或者去预测股票价格。不管是什么，你应该找到这样一个你在乎的项目。然后你可以忽略本书里的难题，或者把它们简单的当作一种灵感，来完善你自己的项目。构建你自己的项目是一件非常有价值的事情，它会让你获得许多无论你完全多少个难题都不会得到的知识和经验。俗话又说的好，情感投入是成为大师的秘诀。

当然，也许你现在脑海里暂时还没有什么想法。这并不是问题，你可以在解决难题的过程中寻找它们，并且利用本书中的材料来帮助你找到有利于你个人项目的创意。

Next：
第一章 利用神经网络来识别手写数字