《跟我一起学深度学习》
- 作 者: @空字符
- 公众号: @月来客栈
- 知 乎: @月来客栈 https://www.zhihu.com/people/the_lastest
目录
第 1 章 深度学习简介
第 2 章 环境配置
第 3 章 深度学习基础
- 3.1 线性回归
- 3.2 线性回归简洁实现
- 3.3 梯度下降与反向传播
- 3.4 从零实现回归模型
- 3.5 从逻辑回归到Softmax回归
- 3.6 Softmax回归简洁实现
- 3.7 从零实现分类模型
- 3.8 回归模型评估指标
- 3.9 分类模型评估指标
- 3.10 过拟合与正则化
- 3.11 超参数与交叉验证
- 3.12 激活函数
第 4 章 卷积神经网络
- 4.1 卷积的概念
- 4.2 卷积的计算过程
- 4.3 填充和池化
- 4.4 LeNet5模型
- 4.5 AlexNet模型
- 4.6 VGG模型
- 4.7 NIN模型
- 4.8 GoogLeNet模型
- 4.9 ResNet模型
- 4.10 DenseNet模型
第 5 章 模型训练与复用
- 5.1 参数及日志管理
- 5.2 模型训练可视化
- 5.3 模型保存与复用
- 5.4 模型的迁移学习
- 5.5 开源模型复用
- 5.6 多GPU训练
- 5.7 数据预处理缓存
第 6 章 模型优化与泛化
- 6.1 学习率动态调整
- 6.2 梯度裁剪
- 6.3 标签平滑
- 6.4 批归一化
- 6.5 层归一化
- 6.6 组归一化
- 6.7 动量法
- 6.8 Adam算法
- 6.9 AdaDelta算法
- 6.10 AdaGrad算法
- 6.11 RMSprop算法