文件名称：DLTFpT:使用TensorFlow，Keras和PyTorch进行深度学习
文件大小：17.55MB
文件格式：ZIP
更新时间：2024-06-12 22:00:46
JupyterNotebook
使用TensorFlow，Keras和PyTorch进行深度学习 该存储库是深度学习附带的TensorFlow，Keras和PyTorch视频教程系列代码的所在地。 该系列共有三套视频教程： 同名的（于2020年2月发布） （2020年2月） （2020年3月） 推荐按照上述顺序进行这些教程。 也就是说，该系列中的第一个为其他两个方面提供了坚实的基础。 总而言之，该系列-总共18多个小时的教学和动手演示-与《》一书中的全部内容相似。 这意味着这些视频介绍了所有深度学习： 什么是深度神经网络及其工作方式，无论是数学上还是使用最受欢迎的代码库 机器视觉，主要是卷积神经网络 自然语言处理，包括递归神经网络 生成对抗网络（GAN）的艺术创造力 具有深度强化学习的复杂的顺序决策 这些视频教程还包括本书中没有的一些额外内容，例如： 详细的互动示例，涉及在PyTorch中训练和测试深度
【文件预览】：
DLTFpT-master
----notebooks()
--------sigmoid_function.ipynb(3KB)
--------conv_lstm_stack_sentiment_classifier.ipynb(14KB)
--------logs()
--------natural_language_preprocessing.ipynb(371KB)
--------lstm_sentiment_classifier.ipynb(15KB)
--------measuring_speed_of_learning.ipynb(238KB)
--------old()
--------object_detection.ipynb(242KB)
--------cartpole_dqn.ipynb(66KB)
--------gru_sentiment_classifier.ipynb(15KB)
--------vggnet_in_tensorflow.ipynb(11KB)
--------lenet_in_tensorflow.ipynb(8KB)
--------shallow_net_in_pytorch.ipynb(48KB)
--------dense_sentiment_classifier.ipynb(110KB)
--------generative_adversarial_network.ipynb(674KB)
--------quadratic_cost.ipynb(3KB)
--------raw_gutenberg_model.w2v(13.51MB)
--------sequence_generation.ipynb(27KB)
--------softmax_demo.ipynb(3KB)
--------stacked_bi_lstm_sentiment_classifier.ipynb(14KB)
--------intermediate_net_in_tensorflow.ipynb(11KB)
--------transfer_learning_in_tensorflow.ipynb(14KB)
--------deep_net_in_tensorflow.ipynb(11KB)
--------alexnet_in_tensorflow.ipynb(9KB)
--------cross_entropy_cost.ipynb(3KB)
--------convolutional_sentiment_classifier.ipynb(14KB)
--------clean_gutenberg_model.w2v(8.21MB)
--------deep_net_in_pytorch.ipynb(13KB)
--------oboe-with-book.jpg(410KB)
--------regression_in_tensorflow_with_tensorboard.ipynb(13KB)
--------multi_convnet_sentiment_classifier.ipynb(18KB)
--------shallow_net_in_tensorflow.ipynb(79KB)
--------bidirectional_lstm_sentiment_classifier.ipynb(16KB)
--------regression_in_tensorflow.ipynb(13KB)
--------weight_initialization.ipynb(14KB)
--------rnn_sentiment_classifier.ipynb(17KB)
--------raw_gutenberg_tsne.csv(468KB)
--------clean_gutenberg_tsne.csv(283KB)
--------lenet_in_tensorflow_for_fashion_MNIST.ipynb(36KB)
--------creating_word_vectors_with_word2vec.ipynb(216KB)
----rundocker.sh(91B)
----Dockerfile(829B)
----installation()
--------windows_simple.md(586B)
--------macOS.md(3KB)
--------windows_step_by_step.md(2KB)
--------README.md(2KB)
--------let_jovyan_write.sh(231B)
----LICENSE(1KB)
----README.md(8KB)
----.gitignore(1KB)
----rundocker.bat(72B)