前言
学习资料
B站视频地址:
跟李沐学AI
花书-电子书地址
其他资料:鱼书,cs231n
源代码下载地址
习题解答源代码
习题解答在线阅读地址
一、专业术语
中文 | 英文 |
---|---|
张量 | tensor |
连结 | concatenate |
按元素 | elementwise |
广播机制 | broadcasting mechanism |
标量 | scalar |
变量 | variable |
分量 | component |
维度 | dimension |
转置 | transpose |
对称矩阵 | symmetric matrix |
通道 | channel |
按元素乘法 | Hadamard product |
点积 | dot product ⊙ \odot ⊙ |
范数 | norm |
积分 | integral calculus |
微分 | differential calculus |
损失函数 | loss function |
优化 | optimization |
泛化 | generalization |
梯度 | gradient |
自动微分 | automatic differentiation |
计算图 | computational graph |
反向传播 | backpropagation |
智能体 | agent |
事件 | event |
大数定律 | law of large numbers |
抽样 | sampling |
分布 | distribution |
多项分布 | multinomial distribution |
样本空间 | sample space |
概率 | probability |
互斥 | mutually exclusive |
随机变量 | random variable |
离散 | discrete |
连续 | continuous |
密度 | density |
标签 | label |
联合概率 | joint probability |
条件概率 | conditional probability |
乘法法则 | multiplication rule |
求和法则 | sum rule |
边际化 | marginalization |
边际概率 | marginal probability |
边际分布 | marginal distribution |
依赖 | dependence |
独立 | independence |
期望 | expectation |
平均值 | average |
标准差 | standard deviation |
回归 | regression |
预测 | prediction |
线性回归 | Linear regression |
训练数据集/训练集 | training data set /training set |
样本 | sample |
互相关运算 | cross-correlation |
特征映射 | feature map |
感受野 | receptive field |
填充 | padding |
步幅 | stride |
通道 | channel |
二、广播机制
autograd包
该包会自动计算微分
广播机制通过复制自己的行或列进行填充
三、高级python
类
#class 类
class Man:
def __init__(self,name):
self.name=name
print("Initialized!")
def hello(self):
print("Hello"+self.name+"!")
def goodbye(self):