《动手学深度学习》在线教程16-19课

TinyMind 2018-12-05 15:51
关注文章

【导读】深度学习在近几年一直是广大研究人员的关注热点,但是深度学习的内容涉及面很广,所以作为一名新手如何能够快速上手深度学习,在实践中使用深度学习呢?今天本文为大家带来的是亚马逊首席(principal)科学家,美国卡内基梅隆大学计算机博士李沐等人编著的《动手学深度学习》教程,带你从浅至深实践深度学习。

课程大纲

《动手学深度学习》在线教程1-5课:https://www.tinymind.cn/articles/3884
  • 第一课:从上手到多类分类
  • 第二课:过拟合、多层感知机、GPU和卷积神经网络
  • 第三课:深度卷积网络,如何使用Gluon,以及核武器购买指南
  • 第四课:BatchNorm,更深的卷积神经网络,图片增强和新的Kaggle练习
  • 第五课:Gluon高级和优化算法基础
《动手学深度学习》在线教程6-10课: https://www.tinymind.cn/articles/3885
  • 第六课:优化算法高级和计算机视觉
  • 第七课:物体检测
  • 第八课:物体检测·续
  • 第九课:物体检测·再续
  • 第十课:语义分割
《动手学深度学习》在线教程11-15课: https://www.tinymind.cn/articles/3886
  • 第十一课:样式迁移
  • 第十二课:循环神经网络
  • 第十三课:正向传播、反向传播和通过时间反向传播
  • 第十四课:实现、训练和应用循环神经网络
  • 第十五课:门控循环单元(GRU)、长短期记忆(LSTM)、多层循环神经网络以及Gluon实现
《动手学深度学习》在线教程16-19课: https://www.tinymind.cn/articles/3887
  • 第十六课:词向量(word2vec)
  • 第十七课:GloVe、fastText和使用预训练的词向量
  • 第十八课:seq2seq(编码器和解码器)和注意力机制
  • 第十九课:应用seq2seq和注意力机制

第十六课:词向量(word2vec)





第十七课:GloVe、fastText和使用预训练的词向量






第十八课:seq2seq(编码器和解码器)和注意力机制






第十九课:应用seq2seq和注意力机制:机器翻译





教程代码:

作者认为互式的学习体验对于学习深度学习非常重要,所以该教程的所有代码都是可以直接运行的,带你在实践中学习和理解深度学习的理论和框架。该教程中所有代码都是基于Apache MXNet 实现的。

代码地址:https://github.com/diveintodeeplearning/d2l-zh

参考链接:https://zh.diveintodeeplearning.org/index.html

pdf文档:点打包下载

模型
文章被以下专辑收录
{{panelTitle}}
支持Markdown和数学公式,公式格式:\\(...\\)或\\[...\\]

还没有内容

关注微信公众号