自学机器学习和深度学习的网站大汇总

zhulangfly

已于 2025-02-20 09:52:05 修改

阅读量1k

点赞数 16

分类专栏： AI 文章标签：机器学习深度学习人工智能

于 2025-02-18 10:51:39 首次发布

本文链接：https://blog.youkuaiyun.com/zhulangfly/article/details/145698574

版权

AI 专栏收录该内容

12 篇文章

订阅专栏

自学机器学习和深度学习的优秀网站。
在这里插入图片描述

一、机器学习、深度学习的知识讲解网站

1. 白板推导系列

https://www.bilibili.com/video/BV1aE411o7qd?vd_source=40233ab2db0fd7af73ad22a21408f33f
包含了非常多的各类传统机器学习算法的原理和数学推导，讲解清晰，自学的入门好视频。

2. 老饼讲解系列-老饼讲解机器学习/老饼讲解BP神经网络

https://www.bbbdata.com/
老饼讲解-机器学习-神经网络-深度学习等人工智能的算法原理与应用讲解通俗易懂，包括了机器学习和神经网络,内容细致，结构化，专业，包括了入门的内容和软件包的算法原理讲解，需要研究python,matlab软件怎么实现机器学习算法的可以看老饼讲解系列。

3. 动手学深度学习

https://zh.d2l.ai/index.html，李沐深度学习领域重磅作品《动手学深度学习》重磅推出PyTorch版本；全球400多所大学采用的教科书，提供视频课程、教学PPT、习题，方便教师授课与学生自学；能运行、可讨论的深度学习入门书，可在线运行源码并与作译者实时讨论。豆瓣评分9.4。

4. DataWhale系列-机器学习公式详解：Datawhale - 一个热爱学习的社区

https://www.datawhale.cn/home
DataWhale对周志华的《机器学习》一书的公式推导。是周志华《机器学习》的延伸。

二、神经网络可视化，直观秒懂

神经网络可视化是一种将神经网络的结构和运行过程以图形化方式呈现的技术。它可以帮助我们更好地理解神经网络的内部工作原理和特征提取过程。以下是几种常见的神经网络可视化方法：

可视化网络结构：可以使用工具如TensorBoard、Graphviz等将神经网络的结构以图形化方式展示出来。这种可视化方法能够清晰地展示网络的层级关系、连接方式以及参数数量等。
可视化神经元激活：通过可视化神经元的激活情况，可以观察神经网络在不同层次上对输入数据进行特征提取的过程。一种常见的方法是使用预训练模型，输入一张图像，然后可视化中间层的神经元激活图，从而了解网络对不同特征的敏感性。
可视化卷积核：对于卷积神经网络（CNN），可视化卷积核可以帮助我们理解网络是如何学习特定的特征和模式的。可以将卷积核可视化为图像，显示出每个卷积核对应的特定特征。
可视化梯度：可视化神经网络中的梯度可以帮助我们理解网络在反向传播过程中的信息流动情况，以及各层对梯度的贡献程度。通过可视化梯度，可以判断网络是否出现梯度消失或梯度爆炸的情况。
可视化网络输出：将网络的输出结果可视化可以帮助我们理解网络对不同输入数据的预测或分类结果。例如，在图像分类任务中，可以将网络对输入图像的分类概率可视化为柱状图或热力图，从而了解网络对不同类别的置信度等

1. CNN Explainer

https://poloclub.github.io/cnn-explainer/
直观的交互式工具，解释卷积神经网络的基本原理。

2. Deep Learning Playground

https://playground.tensorflow.org/
谷歌推出的深度学习交互式平台，虽然主要是全连接网络，但适合学习基础概念。

3. ConvNetJS

http://cs.stanford.edu/people/karpathy/convnetjs/
在线训练CNN模型，并实时可视化卷积、池化等过程。

4. Understanding CNN with Interactive Visualizations

https://www.cs.ryerson.ca/~aharley/vis/conv/
一个简单的卷积神经网络可视化工具，展示每层的特征提取过程。

5. 3Blue1Brown Neural Networks YouTube Playlist

https://www.youtube.com/watch?v=aircAruvnKk&list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi
3Blue1Brown频道的神经网络系列视频，提供精美的动画解释。

6. Distill.pub

Distill — Latest articles about machine learning
高质量的交互式论文平台，提供深度学习的详细可视化解释。

7. draw_convnet

draw_convnet是一个用于绘制卷积神经网络（Convolutional Neural Network，CNN）结构的Python库。它可以帮助我们以可视化的方式呈现CNN的层级结构、参数数量和数据流动情况，从而更好地理解和分析网络模型。
通过使用draw_convnet库，我们可以直观地了解CNN的结构和参数设置，以及数据在网络中的流动方式。这有助于我们更好地理解和调试CNN模型，并对其进行优化和改进。
https://github.com/gwding/draw_convnet