【动手学深度学习】代码

【动手学深度学习】代码

内容

文件名内容
.ipynb_checkpointsjupyter lab检查点
_pycache_python根目录
DataOperation.ipynb数据操作
LinearRegression.ipynb线性回归
ImageCfDataSet.ipynb图像分类数据集
softmaxRegression.ipynbsoftmax回归基础知识
softmaxRegression_diy.ipynbsoftmax回归手写实现
softmaxRegression_gluon.ipynbsoftmax回归简洁实现
multiLayerPerceptron.ipynb多层感知机基础知识
multiLayerPerceptron_diy.ipynb多层感知机手写实现
multiLayerPerceptron_gluon.ipynb多层感知机简洁实现
utils.py含有很多预定义好的函数,可以直接调用
modelSelect_under-fitting_over-fitting.ipynb模型选择、欠拟合与过拟合
weightAttenuation.ipynb权重衰减
invertedDropout.ipynb丢弃法
forbackPropagaComputeGraphs.ipynb正向传播、反向传播和计算图
kaggleHousepricePrediction.ipynbkaggle:房价预测
kaggle_house_pred_test.csvkaggle房价预测测试集
kaggle_house_pred_train.csvkaggle房价预测训练测试集
submission.csv房价预测结果文件
  • 8
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
【为什么要习这门课程】深度习框架如TensorFlow和Pytorch掩盖了深度习底层实现方法,那能否能用Python代码从零实现来习深度习原理呢?本课程就为大家提供了这个可能,有助于深刻理解深度习原理。左手原理、右手代码,双管齐下!本课程详细讲解深度习原理并进行Python代码实现深度习网络。课程内容涵盖感知机、多层感知机、卷积神经网络、循环神经网络,并使用Python 3及Numpy、Matplotlib从零实现上述神经网络。本课程还讲述了神经网络的训练方法与实践技巧,且开展了代码实践演示。课程对于核心内容讲解深入细致,如基于计算图理解反向传播算法,并用数公式推导反向传播算法;另外还讲述了卷积加速方法im2col。【课程收获】本课程力求使员通过深度习原理、算法公式及Python代码的对照习,摆脱框架而掌握深度习底层实现原理与方法。本课程将给员分享深度习的Python实现代码。课程代码通过Jupyter Notebook演示,可在Windows、ubuntu等系统上运行,且不需GPU支持。【优惠说明】 课程正在优惠中!  备注:购课后可加入白勇老师课程习交流QQ群:957519975【相关课程】习本课程的前提是会使用Python语言以及Numpy和Matplotlib库。相关课程链接如下:《Python编程的术与道:Python语言入门》https://edu.csdn.net/course/detail/27845《玩转Numpy计算库》https://edu.csdn.net/lecturer/board/28656《玩转Matplotlib数据绘图库》https://edu.csdn.net/lecturer/board/28720【课程内容导图及特色】

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DeeGLMath

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值