女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一本還未完成的深度學(xué)習(xí)書(shū)籍——《深度學(xué)習(xí)500問(wèn)》

電子工程師 ? 來(lái)源:未知 ? 作者:李倩 ? 2018-10-24 09:24 ? 次閱讀

今天,營(yíng)長(zhǎng)要給大家推薦一本還未完成的深度學(xué)習(xí)書(shū)籍——《深度學(xué)習(xí)500問(wèn)》。為什么要推薦一本未完成的書(shū)?

首先,這本書(shū)的作者是通過(guò)問(wèn)答的形式,對(duì)常用的概率知識(shí)、線性代數(shù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等熱點(diǎn)問(wèn)題進(jìn)行闡述,清晰明了,方便檢索,特別適合初學(xué)者。其次,該作者將這本書(shū)無(wú)償發(fā)布在 GitHub 上,大家可以直接在線閱讀或下載學(xué)習(xí)。最后,這是一本中文書(shū)。

所以,雖然這本書(shū)還未完工,但是非常適合廣大讀者點(diǎn)贊、收藏、外加轉(zhuǎn)發(fā)。現(xiàn)在,營(yíng)長(zhǎng)就來(lái)為大家介紹這本書(shū)的詳細(xì)內(nèi)容。

▌第一章:數(shù)學(xué)基礎(chǔ)

這部分內(nèi)容可能和大家以往看到的數(shù)學(xué)理論知識(shí)書(shū)籍不太一樣,這里作者并沒(méi)有講解那些知識(shí)點(diǎn),而是幫大家總結(jié)整理了知識(shí)點(diǎn)間的關(guān)系,比如:張量與矩陣的區(qū)別,奇異值與特征值的關(guān)系,常見(jiàn)概率分布(涵蓋12 種分布;通過(guò)分析每種分布的密度函數(shù)、數(shù)學(xué)期望、方差、特征函數(shù)等方面進(jìn)行對(duì)比)等等。

▌第二章:機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)涉及的知識(shí)非常的多,作者在這里為大家講解了常見(jiàn)的算法及它們各自的優(yōu)缺點(diǎn),如何根據(jù)數(shù)據(jù)類(lèi)型來(lái)選擇模型,如何選擇函數(shù),以及不同方法(如:降維方法 LDA、PCA)的優(yōu)缺點(diǎn)。

▌第三章:深度學(xué)習(xí)

從數(shù)學(xué)基礎(chǔ)到機(jī)器學(xué)習(xí),接下來(lái)就是深度學(xué)習(xí)了。神經(jīng)網(wǎng)絡(luò)、前向傳播、反向傳播、激活函數(shù)、超參數(shù)、如何應(yīng)用 Sofxmax、調(diào)節(jié) Batch-Size 、歸一化、Dropout 這些問(wèn)題作者已經(jīng)都為大家準(zhǔn)備好了。

▌第四至六章:經(jīng)典網(wǎng)絡(luò)、CNN、RNN

第四章主要是LetNet、AlexNet、ZFNe、VGG、GoogleNet、Inception 等經(jīng)典網(wǎng)絡(luò)模型結(jié)構(gòu)、模型特點(diǎn)的解讀。第五章則詳細(xì)講解了 CNN 網(wǎng)絡(luò)的各組成層、卷積核、步長(zhǎng)等基礎(chǔ)知識(shí),還有圖解 12 種不同類(lèi)型的 2D 卷積,以及 2D 卷積與3D 卷積的不同之處;第六章為大家講解RNN 的特點(diǎn)、拓展和改進(jìn)的網(wǎng)絡(luò)和在 NLP 中的典型應(yīng)用。

有了這樣的講解,還擔(dān)心自己搞不懂這些網(wǎng)路嗎?

▌第七至十五章

第七、八章主要介紹目標(biāo)檢測(cè)、圖像分割等技術(shù)的運(yùn)用;第九、十章將帶領(lǐng)大家了解這兩年大熱的強(qiáng)化學(xué)習(xí)與遷移學(xué)習(xí);目前第十一、十二章內(nèi)容,作者還沒(méi)有更新;第十三、十四、十五章則從優(yōu)化算法、超參數(shù)調(diào)整、正則化內(nèi)容出發(fā),教你如何更好地訓(xùn)練模型。

看到作者把自己這么用心整理、總結(jié)的知識(shí)和資源公開(kāi)發(fā)表出來(lái)時(shí),營(yíng)長(zhǎng)第一時(shí)間聯(lián)系到了作者。并采訪了作者寫(xiě)這本書(shū)的初衷、目前的進(jìn)展和今后的計(jì)劃。現(xiàn)在,就來(lái)為大家介紹下本書(shū)作者——談繼勇。

AI科技大本營(yíng):能簡(jiǎn)單介紹下自己?jiǎn)幔?/p>

談繼勇:我是 2018 年碩士畢業(yè)于四川大學(xué)控制工程專(zhuān)業(yè),并被評(píng)為四川大學(xué)優(yōu)秀畢業(yè)生。目前就職于順豐科技有限公司,最近正在做CV領(lǐng)域相關(guān)的技術(shù)。我曾在Neurocomputing、Asian Journal of Control 等期刊發(fā)表論文 8 篇,其中 SCI/EI 6篇。先后在四川大學(xué) PMCIRI 研究所、中科院信息工程研究所和香港中文大學(xué)(深圳)交流學(xué)習(xí),并主研過(guò)多項(xiàng)課題項(xiàng)目。

AI 科技大本營(yíng):從什么時(shí)候開(kāi)始關(guān)注人工智能?什么原因?

談繼勇:我是本科期間在實(shí)驗(yàn)室從事智能機(jī)器人無(wú)人機(jī)相關(guān)研發(fā),那時(shí)候覺(jué)得智能的工具設(shè)備很神奇,從那個(gè)時(shí)候開(kāi)始接觸。研究生階段在四川大學(xué) PMCIRI 研究所從事智能控制、計(jì)算機(jī)視覺(jué)相關(guān)的技術(shù)研究。

AI 科技大本營(yíng):您是什么時(shí)候開(kāi)始寫(xiě)《深度學(xué)習(xí)500問(wèn)》的?初衷是什么?

談繼勇:我是2017年9月份開(kāi)始整理,最初的想法是現(xiàn)有的書(shū)籍很難回答開(kāi)發(fā)者各種各樣的問(wèn)題,市面上的書(shū)籍大多要么是一套使用方法工具類(lèi)書(shū)籍,要么是理論類(lèi)書(shū)籍,而經(jīng)驗(yàn)不足的開(kāi)發(fā)者想要快速開(kāi)發(fā)、找到對(duì)癥下藥的解決方案變得很低效,所以想搜集整理這些問(wèn)題成書(shū),方便相關(guān)開(kāi)發(fā)者更快的解決問(wèn)題。

AI 科技大本營(yíng):您是怎樣搜集資料的?做了哪些準(zhǔn)備?

談繼勇:主要根據(jù)現(xiàn)有大牛書(shū)籍、國(guó)內(nèi)外知名學(xué)者個(gè)人網(wǎng)站、知名論壇、請(qǐng)教專(zhuān)業(yè)大牛,再結(jié)合自身理解,做了這些整理。

AI 科技大本營(yíng):《深度學(xué)習(xí)500問(wèn)》主要是面向什么類(lèi)型的讀者?為什么要采用問(wèn)答的形式?

談繼勇:這個(gè)項(xiàng)目里面的內(nèi)容以問(wèn)答方式,針對(duì)不同的問(wèn)題,給出解決方案,有需要的開(kāi)發(fā)者或多或少都能從中受益。以問(wèn)答的方式主要是方便快速解決問(wèn)題,對(duì)癥下藥,并且能提高讀者興趣。

AI 科技大本營(yíng):《深度學(xué)習(xí)500問(wèn)》大概什么時(shí)候完成?目前還缺少兩章節(jié)的內(nèi)容有什么樣的規(guī)劃?

談繼勇:本來(lái)打算一年內(nèi)完成,但由于項(xiàng)目、paper等眾多因素影響,精力有限,使得計(jì)劃延期。我也希望有意者可以合作,加快完善進(jìn)度。以便早成體系。

缺少的兩章內(nèi)容中,第十一章是近來(lái)受到大家關(guān)注的生成對(duì)抗網(wǎng)絡(luò)——GAN;第十二章是非常干貨的內(nèi)容——網(wǎng)絡(luò)框架搭建實(shí)踐經(jīng)驗(yàn)分享,我會(huì)根據(jù)自己的操作和實(shí)踐經(jīng)驗(yàn)總結(jié)那些容易出現(xiàn)問(wèn)題的解決方法,相信這部分內(nèi)容對(duì)大家在學(xué)習(xí)和工作中的幫助會(huì)非常大,敬請(qǐng)期待!

AI 科技大本營(yíng):關(guān)于人工智能的學(xué)習(xí)和實(shí)踐,您有什么經(jīng)驗(yàn)可以分享的嗎?

談繼勇:以做工程的角度看,需要多動(dòng)手 debug,多積累實(shí)際經(jīng)驗(yàn)。以理論角度看,加強(qiáng)理論知識(shí)的理解,不要跑跑模型就覺(jué)得可以了。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:《深度學(xué)習(xí)500問(wèn)》,川大優(yōu)秀畢業(yè)生的誠(chéng)意之作

文章出處:【微信號(hào):rgznai100,微信公眾號(hào):rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    NPU在深度學(xué)習(xí)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心驅(qū)動(dòng)力之,已經(jīng)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和價(jià)值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡(luò)處理單元)是專(zhuān)門(mén)為深度
    的頭像 發(fā)表于 11-14 15:17 ?1719次閱讀

    Pytorch深度學(xué)習(xí)訓(xùn)練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學(xué)習(xí)訓(xùn)練。
    的頭像 發(fā)表于 10-28 14:05 ?562次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>訓(xùn)練的方法

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是些GPU深度學(xué)習(xí)應(yīng)用案例: 、圖像識(shí)別 圖像識(shí)別是
    的頭像 發(fā)表于 10-27 11:13 ?1117次閱讀

    FPGA加速深度學(xué)習(xí)模型的案例

    FPGA(現(xiàn)場(chǎng)可編程門(mén)陣列)加速深度學(xué)習(xí)模型是當(dāng)前硬件加速領(lǐng)域的個(gè)熱門(mén)研究方向。以下是些FPGA加速深度
    的頭像 發(fā)表于 10-25 09:22 ?1081次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對(duì)兩者關(guān)系的介紹: 深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :
    的頭像 發(fā)表于 10-23 15:25 ?2698次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    ,共同進(jìn)步。 歡迎加入FPGA技術(shù)微信交流群14群! 交流問(wèn)題() Q:FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?現(xiàn)在用FPGA做深度學(xué)習(xí)加速成為
    發(fā)表于 09-27 20:53

    PyTorch深度學(xué)習(xí)開(kāi)發(fā)環(huán)境搭建指南

    PyTorch作為種流行的深度學(xué)習(xí)框架,其開(kāi)發(fā)環(huán)境的搭建對(duì)于深度學(xué)習(xí)研究者和開(kāi)發(fā)者來(lái)說(shuō)至關(guān)重要。在Windows操作系統(tǒng)上搭建PyTorc
    的頭像 發(fā)表于 07-16 18:29 ?2296次閱讀

    深度學(xué)習(xí)中的時(shí)間序列分類(lèi)方法

    時(shí)間序列分類(lèi)(Time Series Classification, TSC)是機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域的重要任務(wù)之,廣泛應(yīng)用于人體活動(dòng)識(shí)別、系統(tǒng)監(jiān)測(cè)、金融預(yù)測(cè)、醫(yī)療診斷等多個(gè)領(lǐng)域。隨
    的頭像 發(fā)表于 07-09 15:54 ?1952次閱讀

    深度學(xué)習(xí)中的無(wú)監(jiān)督學(xué)習(xí)方法綜述

    深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的個(gè)重要分支,近年來(lái)在多個(gè)領(lǐng)域取得了顯著的成果,特別是在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。然而,深度
    的頭像 發(fā)表于 07-09 10:50 ?1567次閱讀

    深度學(xué)習(xí)與nlp的區(qū)別在哪

    深度學(xué)習(xí)和自然語(yǔ)言處理(NLP)是計(jì)算機(jī)科學(xué)領(lǐng)域中兩個(gè)非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度學(xué)習(xí)與NLP的區(qū)別。 深度
    的頭像 發(fā)表于 07-05 09:47 ?1518次閱讀

    基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)

    在計(jì)算機(jī)視覺(jué)領(lǐng)域,目標(biāo)檢測(cè)直是研究的熱點(diǎn)和難點(diǎn)之。特別是在小目標(biāo)檢測(cè)方面,由于小目標(biāo)在圖像中所占比例小、特征不明顯,使得檢測(cè)難度顯著增加。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,尤其是卷積神經(jīng)
    的頭像 發(fā)表于 07-04 17:25 ?1906次閱讀

    深度學(xué)習(xí)中的模型權(quán)重

    深度學(xué)習(xí)充滿無(wú)限可能性的領(lǐng)域中,模型權(quán)重(Weights)作為其核心組成部分,扮演著至關(guān)重要的角色。它們不僅是模型學(xué)習(xí)的基石,更是模型智能的源泉。本文將從模型權(quán)重的定義、作用、優(yōu)
    的頭像 發(fā)表于 07-04 11:49 ?3840次閱讀

    深度學(xué)習(xí)常用的Python庫(kù)

    深度學(xué)習(xí)作為人工智能的個(gè)重要分支,通過(guò)模擬人類(lèi)大腦中的神經(jīng)網(wǎng)絡(luò)來(lái)解決復(fù)雜問(wèn)題。Python作為種流行的編程語(yǔ)言,憑借其簡(jiǎn)潔的語(yǔ)法和豐富的庫(kù)支持,成為了
    的頭像 發(fā)表于 07-03 16:04 ?1077次閱讀

    深度學(xué)習(xí)模型訓(xùn)練過(guò)程詳解

    深度學(xué)習(xí)模型訓(xùn)練是個(gè)復(fù)雜且關(guān)鍵的過(guò)程,它涉及大量的數(shù)據(jù)、計(jì)算資源和精心設(shè)計(jì)的算法。訓(xùn)練個(gè)深度學(xué)習(xí)
    的頭像 發(fā)表于 07-01 16:13 ?2444次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對(duì)比

    在人工智能的浪潮中,機(jī)器學(xué)習(xí)深度學(xué)習(xí)無(wú)疑是兩大核心驅(qū)動(dòng)力。它們各自以其獨(dú)特的方式推動(dòng)著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來(lái)了革命性的變化。然而,盡管它們都屬于機(jī)器學(xué)習(xí)的范疇,但
    的頭像 發(fā)表于 07-01 11:40 ?2237次閱讀