我认为学习深度学习,应该先学习基础理论,然后利用框架进行实战,这样学习效率高一些。
深度学习为智能系统提供了动力,随着GPU和PyTorch、Keras、TensorFlow的进步以及大数据的可用性,在文本、视觉和分析等领域更容易实施相应问题的解决方案。
《深度学习原理与实践》电子资料详细介绍了目前深度学习相关的常用网络模型(ANN、CNN、RNN),以及不同网络模型的算法原理和核心思想,利用大量的实例代码对网络模型进行了分析,提供完整的进阶内容和对应案例。
我们可以比较全面深入地了解深度学习的知识和技巧,达到学以致用的目的。
《PyTorch深度学习》电子书代码对当今前沿的深度学习库PyTorch进行了讲解,从PyTorch的安装讲起,然后介绍了为现代深度学习提供驱动力的多个基础模块,还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。
我重点学习了与GPU计算相关的知识、使用PyTorch训练模型的方法,以及用来生成文本和图像的复杂神经网络(如生成网络),感觉增长了见识。
作为一款轻量级、模块化的开源深度学习框架, Keras 利于快速原