《深度学习》入门资料及MXNet数据操作入门

1.0参考资料

吴恩达视频：https://mooc.study.163.com/course/2001281002#/info
Github实战：https://github.com/Honlan/DeepInterests
Kaggle 项目实战（教程） = 文档 + 代码 + 视频：
https://github.com/linxid/kaggle
书：
《深度学习与计算机视觉》配套代码：https://github.com/frombeijingwithlove/dlcv_for_beginners
动手学习深度学习：https://zh.gluon.ai
https://github.com/mli/gluon-tutorials-zh
《神经网络与深度学习》 Neural Network and Deep Learning ：https://nndl.github.io

深度学习入门教程【比较全推荐】：https://github.com/Mikoto10032/DeepLearning

CNN-books:
花书

面试笔记：
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

https://course.fast.ai/lessons/lesson1.html

牛人博客主页
http://www.cs.toronto.edu/~hinton/
http://yann.lecun.com/
CNN：https://www.leiphone.com/news/201705/HH3BbIfCqAtOAMbu.html
一文看懂25个神经网络模型：https://blog.csdn.net/qq_35082030/article/details/73368962

机器学习：
https://github.com/jindongwang/MachineLearning
代码实现：https://github.com/lawlite19/MachineLearning_Python
https://github.com/MorvanZhou/tutorials

2.0学习

《动手学习深度学习》

创建NDArray
from mxnet import nd
#arange函数创建一个行向量
x=nd.arange(12)
#打印出x
x
[  0.   1.   2.   3.   4.   5.   6.   7.   8.   9.  10.  11.]
<NDArray 12 @cpu(0)>
#查看x形状大小
x.shape
(12,)
#查看元素总数
x.size
#reshape函数把行向量x的形状改为（3，4），也就是一个 3 行 4 列的矩阵。除了形状改变之外，x中的元素保持不变。
x.reshape(3,4)

#创建一个各元素为 0，形状为（2，3，4）的张量。实际上，之前创建的向量和矩阵都是特殊的,意思是创建了2个3x4矩阵
nd.zeros(2,3,4)
[[[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]

 [[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]]
nd.ones(3,4)

#通过 Python 的列表（list）指定需要创建的 NDArray 中每个元素的值。
y=nd.array([[2,1,4,3],[1,2,3,4],[4,3,2,1]])
y
#也可以不赋值给y
nd.array([[2,1,4,3],[1,2,3,4],[4,3,2,1]])

#创建一个形状为（3，4）的 NDArray。它的每个元素都随机采样于均值为 0 标准差为 1 的正态分布。
nd.random.normal(0,1,shape=(3,4))

在这里插入图片描述