川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

作者: 猿妹 整编 2018-10-26 17:06:04

近年来,深度学习在语音、图像、自然语言处理等领域都取得了非常不错的成果,自然而然地成为技术人员争相学习的热点。

为了帮助正在学习深度学习的伙伴们,川大的一名优秀毕业生,在GitHub上创建了一个项目:《深度学习500问》,通过问答的形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。 全书分为15个章节,近20万字。

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

截至今日,该项目已经获得了 2106 个「star」以及 465 个「fork」(GitHub项目地址:https://github.com/scutan90/DeepLearning-500-questions)

虽然本书还未完结,但还是值得一读,下面我们详细介绍书中有哪些内容:

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

***章数学基础

本章主要讲解了数学基础知识,不仅涵盖了相关的基础概念,还包括彼此之间的联系,如标量、向量、张量之间的联系;张量和矩阵的区别,还有常见的概率分布:

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

此外,还讲解了不同类型的概率分布和统计学(期望、方差、协方差、相关数)的相关基础知识

第二章机器学习基础

本章为大家罗列了常见的算法以及常见分类算法的优缺点、分类算法的评估用法、大数据与深度学习的关系等,第二章涵盖的知识点虽然很多但却十分全面。

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

第三章深度学习基础

本章开始进入主题,为了描述神经网络,书中从最简单的神经网络说起,然后层层深入,列举了神经网络的常用模型结构,如何选择一个深度学习开发平台等重点内容,如神经网络常用的模型结构如下:

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

第四章经典网络

本章向大家介绍了几种经典网络,包括LeNet-***lexNet、可视化ZFNet-解卷积、GoogleNet的模型结构及模型解读等,如LeNet-5的模型结构如下:

川大优秀毕业生在GitHub上建了一个项目,还未完结就获赞无数

看了上面这些内容,你是不是已经迫不及待想深度读一下这本未完结的书呢?或者你正从事该领域的工作,也可以帮助作者完善成书。

***再附上GitHub地址:https://github.com/scutan90/DeepLearning-500-questions

深度学习 算法 项目
上一篇:首幅人工智能画作拍卖了43.2万美元 远超预估价 下一篇:关注 | 有助于机器学习的7个云计算服务
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能影响制造业的四种方式

这些年来,人工智能取得了很大的进步。它可以影响许多不同的行业,这主要是因为它改进了处理、算法和它所保存的数据量。

Cassie ·  1天前
完善算法技术 规范算法应用(数字时代的文化生活)

算法是人工智能技术与大数据技术的关联节点。在移动互联网上,社交媒介、定位技术、搜索引擎等给用户日常生活提供极大便利的同时,也实时生成和储存着大量相关数据。

佚名 ·  1天前
动态图上的深度学习-时间图网络建模

许多涉及各种性质的交易网络以及社连接边动,以及与现实世界问题相关问题都是动态的,可以建模为图结构,其中节点和边随着时间的推移而变化。在这篇文章中,我们描述了时间图网络,这是用于在动态图上进行深度学习建模的通用框架。

佚名 ·  2天前
人工智能这5大趋势将给世界带来哪些影响?

GPU和海量的数据增强了计算和处理能力,为现代算法和深度学习带来了显著的变化。在未来几年,我们可以期待看到人工智能技术的重大变化。以下是人工智能正在塑造世界的5个趋势。

Yu ·  2天前
人工智能加速改变生产生活

在移动互联网、大数据等新技术的驱动下,人工智能迎来新一轮发展热潮,真正进入落地实践阶段,正在加速改变人们生产生活。

彭训文 ·  3天前
新的深度学习模型如何将图像分割引入边缘设备?

据报道,人工智能初创厂商DarwinAI公司和加拿大滑铁卢大学的人工智能研究人员开发和设计了一种新的神经网络结构,使在低功耗和低计算能力的边缘计算设备上进行图像分割成为可能。

李睿 ·  3天前
你的「在看」有人看,清华研究者从微信「看一看」发现了这些规律

该研究还提出了一个预测模型,预测准确率相比其他方法有所提升。目前,该论文已发表在《IEEE Transactions on Knowledge and Data Engineering》(TKDE) 期刊上。

佚名 ·  2021-05-07 09:03:27
从“几何深度学习”看深度学习江湖的统一

通过对称性和的变换,可以提炼出覆盖CNNs, GNNs, LSTMs, Transformers, DeepSets, mesh CNN等一切你所需构建的架构吗?

水木番 ·  2021-05-06 09:05:11
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载