文件名称：深度学习入门
文件大小：5.12MB
文件格式：ZIP
更新时间：2024-03-02 01:50:32
JupyterNotebook
本课程的目的是使学习者对现代神经网络及其在计算机视觉和自然语言理解中的应用有基本的了解。 本课程从线性模型的回顾和对优化深度神经网络至关重要的随机优化方法的讨论开始。 我们学习神经网络的所有流行构建模块，包括全连接层，卷积层和递归层，作为本课程的一部分。 我们还将使用这些构建块在TensorFlow和Keras框架中定义复杂的现代架构。 在本课程项目中，我们将为图像字幕的任务实现深度神经网络，从而解决为输入图像提供文本描述的问题。
【文件预览】：
Introduction-to-Deep-Learning-main
----week2()
--------preprocessed_mnist.py(646B)
--------util.py(1KB)
--------frankenstein.png(74KB)
--------NumpyNN (honor).ipynb(38KB)
--------v2()
----tqdm_utils.py(2KB)
----week6()
--------week6_final_project_image_captioning_clean.ipynb(44KB)
--------grading_utils.py(3KB)
--------images()
--------utils.py(3KB)
----keras_utils.py(3KB)
----week4()
--------lfw_dataset.py(2KB)
--------Adversarial-task.ipynb(807KB)
--------images()
--------submit_honor.py(303B)
--------Autoencoders-task.ipynb(33KB)
--------submit.py(436B)
----download_utils.py(5KB)
----conda_requirements.txt(238B)
----week3()
--------grading_utils.py(370B)
--------week3_task1_first_cnn_cifar10_clean.ipynb(27KB)
--------images()
--------week3_task2_fine_tuning_clean.ipynb(22KB)
----README.md(749B)
----__pycache__()
--------grading.cpython-38.pyc(3KB)
--------tqdm_utils.cpython-38.pyc(2KB)
--------download_utils.cpython-38.pyc(5KB)
----week1()
--------.ipynb_checkpoints()
--------target.npy(7KB)
--------train.npy(13KB)
--------sgd.png(33KB)
--------kernel.png(96KB)
--------week01_pa.ipynb(235KB)
----setup_google_colab.py(4KB)
----grading.py(3KB)
----week5()
--------RNN-task.ipynb(23KB)
--------mtg_card_names.txt(630KB)
--------names(55KB)
--------char-nn.png(30KB)
--------data_copyright(171B)
--------POS-task.ipynb(20KB)
--------rnn.png(35KB)
--------submit.py(443B)
----download_resources.ipynb(9KB)