目录
-
动手学深度学习电子版:https://zh.d2l.ai/index.html
-
Pytorch基本使用及深度学习算法原理、应用总结:
【0】PyTorch 深度学习:60分钟快速入门
【1】Pytorch总结一之 数据操作、类型转换、数学计算、自动求梯度
【2】Pytorch总结二之 线性回归算法原理与实现
【3】Pytorch总结三之 softmax回归用于分类问题
【4】Pytorch总结四之 多层感知机原理及简洁实现
【5】Pytorch总结五之 模型选择、⽋拟合和过拟合
【6】Pytorch总结六之 欠拟合和过拟合的解决方法
【7】Pytorch总结七之 深度学习的正向、反向传播原理+参数初始化+实战房价预测
【8】Pytorch总结八之 深度学习计算(1)模型构造,参数访问、初始化和共享
【9】Pytorch总结九之 深度学习计算(2)自定义层、读取和存储、GPU计算
【10】Pytorch总结十之 卷积神经网络结构原理剖析
【11】Pytorch总结十一之 神经网络模型:LeNet、AlexNet、VGG
【12】Pytorch总结十二之 深度神经网络模型:NIN、GoogLeNet
【13】Pytorch总结十三之 神经网络模型:批量归一化、ResNet、DenseNet
【14】Pytorch总结十四之优化算法:梯度下降法、动量法
【15】Pytorch总结十五之优化算法:AdaGrad、RMSProp、AdaDelta、Adam算法详解
【16】Pytorch总结十六之优化算法:图像增广训练模型、微调(迁移学习)实现热狗识别