机器学习&深度学习入门精选&Python&Tensorflow&Pytorch 对于刚入门深度学习的童鞋,这里分享下大神们开源的将《动手学深度学习》 原书中MXNet代码实现改为TensorFlow2.0实现,欢迎入坑,这是一个非常棒的入门手册,github代码。 目录 简介阅读指南1. 深度学习简介2. 预备知识 2.1 环境配置2.2 数据操作2.3 自动求梯度2.4 查阅文档3. 深度学习基础 3.1 线性回归3.2 线性回归的从零开始实现3.3 线性回归的简洁实现3.4 softmax回归3.5 图像分类数据集(Fashion-MNIST)3.6 softmax回归的从零开始实现3.7 softmax回归的简洁实现3.8 多层感知机3.9 多层感知机的从零开始实现3.10 多层感知机的简洁实现3.11 模型选择、欠拟合和过拟合3.12 权重衰减3.13 丢弃法3.14 正向传播、反向传播和计算图3.15 数值稳定性和模型初始化3.16 实战Kaggle比赛:房价预测4. 深度学习计算 4.1 模型构造4.2 模型参数的访问、初始化和共享4.3 模型参数的延后初始化4.4 自定义层4.5 读取和存储4.6 GPU计算5. 卷积神经网络 5.1 二维卷积层5.2 填充和步幅5.3 多输入通道和多输出通道5.4 池化层5.5 卷积神经网络(LeNet)5.6 深度卷积神经网络(AlexNet)5.7 使用重复元素的网络(VGG)5.8 网络中的网络(NiN)5.9 含并行连结的网络(GoogLeNet)5.10 批量归一化5.11 残差网络(ResNet)5.12 稠密连接网络(DenseNet)6. 循环神经网络 6.1 语言模型6.2 循环神经网络6.3 语言模型数据集(周杰伦专辑歌词)6.4 循环神经网络的从零开始实现6.5 循环神经网络的简洁实现6.6 通过时间反向传播6.7 门控循环单元(GRU)6.8 长短期记忆(LSTM)6.9 深度循环神经网络6.10 双向循环神经网络7. 优化算法 7.1 优化与深度学习7.2 梯度下降和随机梯度下降7.3 小批量随机梯度下降7.4 动量法7.5 AdaGrad算法7.6 RMSProp算法7.7 AdaDelta算法7.8 Adam算法8. 计算性能 8.1 命令式和符号式混合编程8.2 异步计算8.3 自动并行计算8.4 多GPU计算9. 计算机视觉 9.1 图像增广9.2 微调9.3 目标检测和边界框9.4 锚框9.5 多尺度目标检测9.6 目标检测数据集(皮卡丘)待更新...10. 自然语言处理 10.1 词嵌入(word2vec)10.2 近似训练10.3 word2vec的实现10.4 子词嵌入(fastText)10.5 全局向量的词嵌入(GloVe)10.6 求近义词和类比词10.7 文本情感分类:使用循环神经网络10.8 文本情感分类:使用卷积神经网络(textCNN)10.9 编码器—解码器(seq2seq)10.10 束搜索10.11 注意力机制10.12 机器翻译 持续更新中......