《STAT 453: Introduction to Deep Learning》项目文档

《STAT 453: Introduction to Deep Learning》项目文档

stat453-deep-learning-ss20 STAT 453: Intro to Deep Learning @ UW-Madison (Spring 2020) 项目地址: https://gitcode.com/gh_mirrors/st/stat453-deep-learning-ss20

1. 项目目录结构及介绍

本项目是《STAT 453: Introduction to Deep Learning》的课程资源，包含了Spring 2020学期在威斯康星大学麦迪逊分校的相关教学资料。以下是项目的目录结构及其说明：

stat453-deep-learning-ss20/
├── L01-intro/             # 第1讲：课程概述和深度学习介绍
├── L02-dl-history/        # 第2讲：深度学习简史
├── L03-perceptron/        # 第3讲：单层神经网络：感知机算法
├── L04-linalg/            # 第4讲：深度学习所需的线性代数和微积分
├── L05-grad-descent/      # 第5讲：梯度下降参数优化
├── L06-pytorch/           # 第6讲：自动微分与PyTorch
├── L07-logistic/          # 第7讲：多项式逻辑回归
├── L08-mlp/               # 第8讲：多层感知机
├── L09-regularization/    # 第9讲：正则化
├── L10_norm-and-init/     # 第10讲：输入归一化和权重初始化
├── L11-optim/             # 第11讲：学习率和高级优化算法
├── L12-cnns/              # 第12讲：卷积神经网络简介1
├── L13-cnns-part2/        # 第13讲：卷积神经网络简介2
├── L14-rnns/              # 第14讲：循环神经网络简介1
├── L15-autoencoder/       # 第15讲：自编码器
├── L16-gan/               # 第16讲：生成对抗网络1
├── extras/                # 额外资料
├── hw01/                  # 第一次作业
├── hw02/                  # 第二次作业
├── hw03/                  # 第三次作业
├── report-template/       # 报告模板
├── .gitignore             # Git忽略文件
├── LICENSE                # 开源协议文件
└── README.md              # 项目说明文件

每个文件夹内包含了相应的教学幻灯片、讲义、作业以及相关资源。

2. 项目的启动文件介绍

本项目的启动文件是README.md。该文件提供了课程的基本信息，包括课程网站、教学大纲、课程内容和相关的教学视频。用户可以通过阅读README.md来了解如何使用本项目中的资源。

3. 项目的配置文件介绍

本项目不包含特定的配置文件，因为主要是教学材料，不涉及复杂的软件配置。所有需要的资料和说明都已经包含在每个讲义的文件夹中。如果用户需要进一步配置教学环境，如安装PyTorch等，应参照相关教程进行操作。在项目的README.md文件中也会提供一些基本的环境搭建指南。

stat453-deep-learning-ss20 STAT 453: Intro to Deep Learning @ UW-Madison (Spring 2020) 项目地址: https://gitcode.com/gh_mirrors/st/stat453-deep-learning-ss20