《动手学深度学习》 面向中文读者的能运行、可讨论的深度学习教科书

wiL无知

目录

• 前言wiL无知

• 如何使用本书wiL无知

• 1. 深度学习简介wiL无知

• 1.1. 起源wiL无知

• 1.2. 发展wiL无知

• 1.3. 成功案例wiL无知

• 1.4. 特点wiL无知

• 1.5. 小结wiL无知

• 1.6. 练习wiL无知

• 1.7. 参考文献wiL无知

• 1.8. 参与讨论wiL无知

• 2. 预备知识wiL无知

• 2.1. 获取和运行本书的代码wiL无知

• 2.2. 数据操作wiL无知

• 2.3. 自动求梯度wiL无知

• 2.4. 查阅文档wiL无知

• 3. 深度学习基础wiL无知

• 3.1. 线性回归wiL无知

• 3.2. 线性回归的从零开始实现wiL无知

• 3.3. 线性回归的简洁实现wiL无知

• 3.4. softmax回归wiL无知

• 3.5. 图像分类数据集（Fashion-MNIST）wiL无知

• 3.6. softmax回归的从零开始实现wiL无知

• 3.7. softmax回归的简洁实现wiL无知

• 3.8. 多层感知机wiL无知

• 3.9. 多层感知机的从零开始实现wiL无知

• 3.10. 多层感知机的简洁实现wiL无知

• 3.11. 模型选择、欠拟合和过拟合wiL无知

• 3.12. 权重衰减wiL无知

• 3.13. 丢弃法wiL无知

• 3.14. 正向传播、反向传播和计算图wiL无知

• 3.15. 数值稳定性和模型初始化wiL无知

• 3.16. 实战Kaggle比赛：房价预测wiL无知

• 4. 深度学习计算wiL无知

• 4.1. 模型构造wiL无知

• 4.2. 模型参数的访问、初始化和共享wiL无知

• 4.3. 模型参数的延后初始化wiL无知

• 4.4. 自定义层wiL无知

• 4.5. 读取和存储wiL无知

• 4.6. GPU计算wiL无知

• 5. 卷积神经网络wiL无知

• 5.1. 二维卷积层wiL无知

• 5.2. 填充和步幅wiL无知

• 5.3. 多输入通道和多输出通道wiL无知

• 5.4. 池化层wiL无知

• 5.5. 卷积神经网络（LeNet）wiL无知

• 5.6. 深度卷积神经网络（AlexNet）wiL无知

• 5.7. 使用重复元素的网络（VGG）wiL无知

• 5.8. 网络中的网络（NiN）wiL无知

• 5.9. 含并行连结的网络（GoogLeNet）wiL无知

• 5.10. 批量归一化wiL无知

• 5.11. 残差网络（ResNet）wiL无知

• 5.12. 稠密连接网络（DenseNet）wiL无知

• 6. 循环神经网络wiL无知

• 6.1. 语言模型wiL无知

• 6.2. 循环神经网络wiL无知

• 6.3. 语言模型数据集（周杰伦专辑歌词）wiL无知

• 6.4. 循环神经网络的从零开始实现wiL无知

• 6.5. 循环神经网络的简洁实现wiL无知

• 6.6. 通过时间反向传播wiL无知

• 6.7. 门控循环单元（GRU）wiL无知

• 6.8. 长短期记忆（LSTM）wiL无知

• 6.9. 深度循环神经网络wiL无知

• 6.10. 双向循环神经网络wiL无知

• 7. 优化算法wiL无知

• 7.1. 优化与深度学习wiL无知

• 7.2. 梯度下降和随机梯度下降wiL无知

• 7.3. 小批量随机梯度下降wiL无知

• 7.4. 动量法wiL无知

• 7.5. AdaGrad算法wiL无知

• 7.6. RMSProp算法wiL无知

• 7.7. AdaDelta算法wiL无知

• 7.8. Adam算法wiL无知

• 8. 计算性能wiL无知

• 8.1. 命令式和符号式混合编程wiL无知

• 8.2. 异步计算wiL无知

• 8.3. 自动并行计算wiL无知

• 8.4. 多GPU计算wiL无知

• 8.5. 多GPU计算的简洁实现wiL无知

• 9. 计算机视觉wiL无知

• 9.1. 图像增广wiL无知

• 9.2. 微调wiL无知

• 9.3. 目标检测和边界框wiL无知

• 9.4. 锚框wiL无知

• 9.5. 多尺度目标检测wiL无知

• 9.6. 目标检测数据集（皮卡丘）wiL无知

• 9.7. 单发多框检测（SSD）wiL无知

• 9.8. 区域卷积神经网络（R-CNN）系列wiL无知

• 9.9. 语义分割和数据集wiL无知

• 9.10. 全卷积网络（FCN）wiL无知

• 9.11. 样式迁移wiL无知

• 9.12. 实战Kaggle比赛：图像分类（CIFAR-10）wiL无知

• 9.13. 实战Kaggle比赛：狗的品种识别（ImageNet Dogs）wiL无知

• 10. 自然语言处理wiL无知

• 10.1. 词嵌入（word2vec）wiL无知

• 10.2. 近似训练wiL无知

• 10.3. word2vec的实现wiL无知

• 10.4. 子词嵌入（fastText）wiL无知

• 10.5. 全局向量的词嵌入（GloVe）wiL无知

• 10.6. 求近义词和类比词wiL无知

• 10.7. 文本情感分类：使用循环神经网络wiL无知

• 10.8. 文本情感分类：使用卷积神经网络（textCNN）wiL无知

• 10.9. 编码器—解码器（seq2seq）wiL无知

• 10.10. 束搜索wiL无知

• 10.11. 注意力机制wiL无知

• 10.12. 机器翻译wiL无知

• 11. 附录wiL无知

• 11.1. 主要符号一览wiL无知

• 11.2. 数学基础wiL无知

• 11.3. 使用Jupyter记事本wiL无知

• 11.4. 使用AWS运行代码wiL无知

• 11.5. GPU购买指南wiL无知

• 11.6. 如何为本书贡献wiL无知

• 11.7. d2lzh包索引wiL无知

wiL无知

本文为转载文章，版权归原作者所有，不代表本站立场和观点。

很赞哦！ () 赏 有话说 ()