《深度学习》花书-读书笔记汇总贴（汇总19/19）

最新推荐文章于 2024-09-18 17:32:16 发布
最新推荐文章于 2024-09-18 17:32:16 发布
阅读量2.1k 收藏 49
点赞数 4
分类专栏： # 花书读书笔记 啃书笔记汇总 文章标签： 深度学习 花书
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41485273/article/details/112682080
版权
博主分享了详细阅读《深度学习》一书的系列笔记，涵盖应用数学、机器学习基础、深层网络现代实践及深度学习研究四大板块，包括线性代数、概率信息论、深度前馈网络、卷积网络、自编码器等核心概念。
摘要由CSDN通过智能技术生成

本人学习所有系列：汇总帖

本文章主要用来记录学习《深度学习》（花书）的学习笔记，主要根据课本内容来，初步打算按照章节目录将知识点慢慢整理，希望能互相学习，共同提高！

目录

第一章 前言（没啥好说的，自己看看内容就行）

第一部分 应用数学与机器学习基础

花书读书笔记（一）-线性代数

花书读书笔记（二）-概率与信息论

花书读书笔记（三）-数值计算

花书读书笔记（四）-机器学习基础

第二部分 深层网络：现代实践

花书读书笔记（五）-深度前馈网络

最低0.47元/天 解锁文章
及时行樂_
关注
专栏目录
【AI】《动手学-深度学习-PyTorch版》笔记（三）：PyTorch常用函数
郭老二
07-26 946
整理几个PyTorch常用函数：arange、shape、reshape等
【AI】《动手学-深度学习-PyTorch版》笔记（五）：线性代数
郭老二
07-28 1053
深度学习的数学基础之线性代数：向量、矩阵、范数等概念的理解
深度学习（花书）——笔记
qq_45383347的博客
01-12 1044
第一章 前言 1、表示学习：使用机器学习来发掘表示本身，而不仅仅是把表示映射到输出。 学习到的表示往往比手动涉及的表示表现更好 表示学习算法的典型例子是自编码器，自编码器由一个编码器 (encoder) 函数和一个解码器 (decoder) 函数组合而成。 2、当设计特征或设计用于学习特征的算法时，我们的目标通常是分离出能解释观察数据的变差因素 3、深度学习 (deep learning) 通过其他较简单的表示来表达复杂表示，解决了表示学习中的核心问题。 第二章 线性代数 1、确定 Ax = b 是否有解
深度学习（花书）读书笔记
Futile的博客
03-19 1442
《深度学习》读书笔记介绍第一章 引言1.1 深度学习的概念1.2 深度学习和人工智能1.3 从不同角度来看深度学习1.4 联结主义第一部分 应用数学和机器学习基础第二章 线性代数2.1 线性相关和生成子空间2.2 范数2.3 一些概念 介绍 最近暂时没什么事，闲下来准备再重新系统的学习一下深度学习相关的知识，然后在这里记录一下阅读《深度学习》这本书时的一些笔记和心得。 第一章 引言 1.1 深度学习的概念 让计算机从经验获取知识，可以避免由人类来给计算机形式化的指定它所需要的所有知识。层次化的概念让计算机构
《深度学习》花书学习笔记—第一章（机器学习、表示学习、深度学习）
最新发布
swilder__218的博客
09-18 898
本节简述机器学习，表示学习与深度学习关系。介绍深度学习的演化趋势及其三次发展浪潮。
深度学习(花书)代码和笔记
04-12
深度学习(花书)代码和笔记：一份深度学习的笔记（英文），以及相关的代码
深度学习 | 《深度学习》“花书”知识点笔记
Justlovesmile的博客
10-22 3861
文章目录深度学习第一章 前言第一部分 应用数学与机器学习基础第二章 线性代数2.1 标量，向量，矩阵和张量2.2 矩阵和向量相乘2.3 单位矩阵和逆矩阵2.4 线性相关和生成子空间2.5 范数2.6 特殊类型的矩阵和向量2.7 特征分解2.8 奇异值分解2.9 Moore-Penrose伪逆2.10 迹运算2.11 行列式2.12 实例：主成分分析第三章 概率与信息论3.1 为什么要使用概率3.2 随机变量3.3 概率分布3.3.1 离散型变量和概率质量函数3.3.2 连续型变量和概率密度函数3.4 边缘概
深度学习（花书）读书笔记——第三章-概率与信息论
weixin_40824190的博客
05-29 741
第三章 概率与信息论        概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法,也提供了用于导出新的不确定性 声明(statement)的公理。在人工智能领域,概率论主要有两种用途。首先,概率法则告诉我们 AI 系统如何推理,据此我们设计一些算法来计算或者估算由概率论导出的表达式。其次,我们可以用概率和统计从理论上分析我们提出的 AI 系统的行为。3.2 随机变量   ...
Mysql-学习笔记汇总
mysteryflower的专栏
11-06 2261
Mysql优化提高笔记整理，来自于一位鹅厂大佬的笔记 B树、B-树、B+树、B*树图文详解 万字长文，最硬核的mysql知识总结 为了把mysql的索引底层原理讲清楚，我把计算机翻了个底朝天 面试官：听说你sql写的挺溜的，你说一说查询sql的执行过程 ...
动手学习深度学习-深度学习基础
qq_41273406的博客
07-09 808
本文章仅为本人在学习过程中的记录笔记，如有侵权，请联系。 李沐大神的课程地址：https://courses.d2l.ai/zh-v2/ 3.20课程 深度学习介绍：
深度学习（花书）笔记1
不积跬步无以至千里
07-31 387
第一章 引言 1. 20世纪 40到60年代 控制论 cybernetics 2. 20世纪 80到90年代 联结主义 connectionism 3. 2006年 深度学习
斯坦福自己的个人笔记和深度学习花书
05-27
斯坦福自己的个人笔记和深度学习花书斯坦福自己的个人笔记和深度学习花书斯坦福自己的个人笔记和深度学习花书
深度学习花书学习笔记 第四章 数值计算
liutianheng654的博客
09-25 783
上溢和下溢： 由于舍入带来的误差，导致参数为0或者无穷大，使得无法运算。这个一般会通过加上一些项使得分母不为0来解决。通常基础库都已经帮我们解决了，自己做的时候要注意。 病态条件： 输入的轻微变动导致输出的大幅变换。 基于梯度的优化方法： 目标函数=准则 误差函数=代价函数=损失函数 梯度下降：向导数的反方向移动一步来减小f(x)。 驻点：导数为0的点。 鞍点：导数为0但是不是极...
【人工智能书籍】深度学习（花书）[张志华精翻 推荐阅读]
2401_82469710的博客
04-28 725
《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
DeepLearning深度学习（花书）读书笔记——引言
小鼻涕虫BoZ的博客
08-08 878
深度学习（花书）读书笔记——第一章 引言
深度学习（花书）笔记 2018-05-12
qq_36243169的博客
07-18 362
深度学习（书） 第一章 前言 logloglog表示自然对数lnlnln 数据的表示：对算法性能产生影响 特征集=>不知道提取哪些=>表示学习（representation learning，机器学习发掘表示本身，最少的人工干预） 自编码器（autoencoder）：编码器（encoder）+解码器（decoder），训练目标：希望编码解码后尽可能多保留信息。 变差因素（factors of variation）：解释观察数据，通常不能直接观察。需要理清变差因素并且忽略不重要的。 抽象特征提取
深度学习读书笔记：DeepLearningBook - Chapter 9 - Conventional Networks
JacobKong的博客
02-18 2859
Chapter 9 Convolutional Networks（卷积神经网络） 卷积网络仅仅是在其至少一个层中使用卷积代替一般矩阵乘法的神经网络。 The Convolution Operation The convolution operation is typically denoted with an asterisk: * 在卷积网络术语中，卷积的第一个参数（在本例中为函数x）通常称为
花书笔记
武凯的博客
07-16 287
花书第二章第三章第四章 第二章 张量：表示高维 矩阵相加：需要矩阵形状相同 矩阵乘法：需要矩阵A的列与矩阵B的行相等（矩阵乘法一般不满足交换律），也叫叉乘，外积 公式：C = AB A是mn，B是np， 则C是mp 可以看作是转置A矩阵后，再每俩列相乘。按照A行下标为行下标，B列下标为C列下标即可。就是所谓的A和B的顺序，若B在前则需按照B行下标是C的行下标。 矩阵元素对应乘积：C=A⊙B，也叫点乘，点积，内积 范数：一般用二范式计算距离 特征值特征向量： 公式：Aν=λν λ是特征值，v是特征向量 一般
深度学习（花书）笔记1——容量、过拟合、欠拟合
weixin_51450731的博客
12-21 1075
最近魔改yolo网络，闲来无聊就想起了深度学习这本花书，就想着把这本书好好看下，顺便做一些笔记，以防后期需要还可以回来看看，也顺便加深一下印象。本次文章谈到的所有内容均来自书籍和自己的一些见解，写的不对的地方请各位指正。 容量：通俗地，模型的容量是指其拟合各种函数的能力。 过拟合：是指训练误差和和测试误差之间的差距太大。 欠拟合：是指模型不能在训练集上获得足够低的误差。 对于现在而言，机器学习的的主要挑战是我们的算法必须...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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