文件名称：Dive_into_DeepLearning:《深入学习》 PyTorch版本的笔记
文件大小：2.15MB
文件格式：ZIP
更新时间：2024-04-19 08:23:32
JupyterNotebook
Dive_into_DeepLearning 《深入学习》 PyTorch版本的笔记 运行环境：Google Colab PyTorch版本：1.7 参考链接： : 原书链接： :
【文件预览】：
Dive_into_DeepLearning-main
----0x32_稠密链接网络（DenseNet）.ipynb(80KB)
----0x35_循环神经网络的从零开始实现.ipynb(35KB)
----0x18_自定义层.ipynb(12KB)
----0x21_二维卷积层.ipynb(37KB)
----0x44_动量法.ipynb(364KB)
----0x31_残差网络（ResNet）.ipynb(94KB)
----0x05_softmax回归从零开始实现.ipynb(102KB)
----0x13_正向传播，反向传播和计算图.ipynb(22KB)
----0x30_批量归一化.ipynb(22KB)
----0x29_含并行结的网络.ipynb(49KB)
----0x17_模型参数的访问，初始化和共享.ipynb(16KB)
----0x37_通过时间反向传播.ipynb(406KB)
----0x27_使用重复元素的网络（VGG）.ipynb(82KB)
----0x25_卷积神经网络（LeNet）.ipynb(160KB)
----0x24_池化层.ipynb(11KB)
----0x20_GPU计算.ipynb(15KB)
----0x41_双向循环神经网络.ipynb(139KB)
----0x22_填充和步幅.ipynb(64KB)
----0x33_循环神经网络.ipynb(68KB)
----0x36_循环神经网络的简洁实现.ipynb(124KB)
----0x11_权重衰减.ipynb(169KB)
----0x26_深度卷积神经网络(AlexNet).ipynb(200KB)
----0x07_多层感知机.ipynb(18KB)
----0x28_网络中的网络(NiN).ipynb(102KB)
----0x23_多输入通道和多输出通道.ipynb(111KB)
----0x42_梯度下降和随机梯度下降.ipynb(321KB)
----0x19_读取和存储.ipynb(10KB)
----0x03_线性回归的简洁实现.ipynb(15KB)
----0x41_优化与深度学习.ipynb(90KB)
----0x15_实战kaggle比赛：房价预测.ipynb(225KB)
----0x14_数值稳定性和模型初始化.ipynb(13KB)
----0x16_模型构造.ipynb(21KB)
----0x34_语言模型数据集（周杰伦专辑歌词）.ipynb(14KB)
----0x39_长短期记忆（LSTM）.ipynb(308KB)
----0x12_丢弃法.ipynb(88KB)
----0x40_深度循环神经网络.ipynb(164KB)
----0x01_自动求梯度.ipynb(118KB)
----0x00_tensor基本操作.ipynb(26KB)
----README.md(234B)
----0x09_多层感知机的简洁实现.ipynb(50KB)
----0x43_小批量随机梯度下降.ipynb(87KB)
----0x02_线性回归.ipynb(135KB)
----0x10_模型选择，欠拟合和过拟合.ipynb(2KB)
----0x06_softmax回归的简洁实现.ipynb(53KB)
----0x08_多层感知机的从零开始实现.ipynb(51KB)
----0x04_图像分类数据集.ipynb(212KB)