文件名称：深度学习、pytorch、python、深度学习基础PDF
文件大小：13.2MB
文件格式：ZIP
更新时间：2022-03-25 17:45:22
python pytorch 深度学习 学习 开发语言
有利于深度学习的学习与入门。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。 深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
【文件预览】：
【No0001】深度学习PyTorch极简入门PDF教程 - 书籍
----第10课：优化神经网络——如何防止过拟合.pdf(894KB)
----第09课：项目实战——让你的神经网络模型越来越深.pdf(646KB)
----第07课：项目实战——自己动手写一个神经网络模型.pdf(827KB)
----第18课：项目实战——利用 PyTorch 构建 RNN 模型.pdf(287KB)
----第13课：构建神经网络模型的实用建议.pdf(410KB)
----第06课：浅层神经网络（NN）.pdf(1.29MB)
----第04课：深度学习框架 PyTorch.pdf(420KB)
----第15课：卷积神经网络（CNN.pdf(675KB)
----第05课：神经网络基础知识.pdf(1.31MB)
----第11课：优化神经网络——梯度优化.pdf(1.25MB)
----第14课：项目实战——深度优化你的神经网络模型.pdf(932KB)
----第17课：循环神经网络（RNN）.pdf(1.23MB)
----第03课：Anaconda 与 Jupyter Notebook.pdf(368KB)
----第02课：深度学习 Python 必备知识点.pdf(353KB)
----第08课：深层神经网络（DNN）.pdf(1.14MB)
----第16课：项目实战——利用 PyTorch 构建 CNN 模型.pdf(413KB)
----第01课：深度学习概述.pdf(284KB)
----第12课：优化神经网络——网络初始化技巧与超参数调试.pdf(918KB)