近年来,深度学习技术在计算机视觉(cv)、自然语言处理(NLP)等领域都取得了非常不错的成果,自然而然地成为技术人员争相学习的热点。
为了帮助正在学习深度学习的伙伴们,川大的一名优秀毕业生,在GitHub上创建了一个项目:《深度学习500问》,通过问答的形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。 全书已达18个章节,近50万字,全是中文!!
截至今天,该项目已经获得了27152个stars以及7892个fork,只要是内容都是干货,超全!
首先,直接放上项目地址:
https://github.com/scutan90/DeepLearning-500-questions
下面,我们来看一看该项目有哪些硬核干货吧!
全书目录
该项目更确切地说是一本深度学习面试手册,500 问,非常详细。全书共分为 18 章,近 50 万字,目录如下:
数学基础
机器学习基础
深度学习基础
经典网络
卷积神经网络(CNN)
循环神经网络(RNN)
生成对抗网络(GAN)
目标检测
图像分割
强化学习
迁移学习
网络搭建及训练
优化算法
超参数调试
GPU 和框架选型
自然语言处理(NLP)
模型压缩、加速及移动端部署
后端架构选型、离线及实时计算
主要内容
全书内容非常丰富,持续更新和完善中。下面我们列举前四章的一些知识点给读者一睹为快!
第一章 数学基础
本章主要讲解了数学基础知识,不仅涵盖了相关的基础概念,还包括彼此之间的联系,如标量、向量、张量之间的联系;张量和矩阵的区别,还有常见的概率分布:
此外,还讲解了不同类型的概率分布和统计学(期望、方差、协方差、相关数)的相关基础知识
第二章 机器学习基础(各种常见算法)
本章为大家罗列了常见的算法以及常见分类算法的优缺点、分类算法的评估用法、大数据与深度学习的关系等,第二章涵盖的知识点虽然很多但却十分全面。
第三章 深度学习基础
本章开始进入主题,为了描述神经网络,书中从最简单的神经网络说起,然后层层深入,列举了神经网络的常用模型结构,如何选择一个深度学习开发平台等重点内容,如神经网络常用的模型结构如下:
第四章 经典网络
本章向大家介绍了几种经典网络,包括LeNet-5、AlexNet、可视化ZFNet-解卷积、GoogleNet的模型结构及模型解读等,如LeNet-5的模型结构如下:
评价
整个项目包含的内容非常多,这里就不再赘述。干货很硬,大家不要错过了这份资源。再次附上链接
https://github.com/scutan90/DeepLearning-500-questions
总的来说,这份资源不是一本深度学习的系统教材,而是一份完整的、详细的深度学习知识点精炼手册。对于面试、自我测验来说非常有帮助!一句话:硬核干货,值得收藏!
资源下载:
链接: https://pan.baidu.com/s/1zNw1KK-ohhQcY6D4AESjwA 提取码: 7s6t