动手实战深度学习
这是最新的一期深度学习内部资料，里面涉及到BP神经网络、CNN、RNN以及优化算法、如何调参等。适合零基础和有一些基础像加深对BP神经网络理解的初学者
用户评论
相关推荐
动手深度学习
深度学习入门教材，介绍深度学习相关的预备知识，包括深度学习基础，计算，卷积神经网络，循环网络，优化算法等
rar
0B
2019-06-04 07:34
动手学习深度学习
MXNet Community，深度学习基础，深度学习计算，卷积神经网络，循环神经网络，优化算法，计算性能，计算机视觉，自然语言处理.....
PDF
0B
2019-02-27 18:48
动手学习深度学习pytorch
house price 学习记录。 %matplotlib inline import torch import torch.nn as nn import numpy as np import pa
PDF
27KB
2021-01-16 12:52
动手学深度学习
MXNet社区的《动手学深度学习》2018-8-6pdf版，涵盖卷积神经网络、循环神经网络、计算机视觉、自然语言处理、优化算法。内容深入浅出，即使使用TensorFlow、PyTorch也可借鉴。结合
pdf
0B
2019-05-13 17:15
动手学深度学习
带你学深度学习，B站有配套教学视频，一起学习深度学习
PDF
0B
2020-06-01 16:51
深度学习动手学深度学习笔记8
Task4——注意力机制与Seq2seq模型 8.1 注意力机制 所谓的注意力机制,其实就是让系统学会注意力-即关注重点信息忽略无关信息。带有注意力机制的系统,不仅可以自主学习注意力,还可以帮助我们更
PDF
1.29MB
2021-01-16 11:25
深度学习动手学深度学习笔记5
Task2——梯度消失、梯度爆炸 5.1 梯度消失与梯度爆炸的概念 深度神经网络训练的时候,采用的是反向传播方式,该方式使用链式求导,计算每层梯度的时候会涉及一些连乘操作,因此如果网络过深。 那么如果
PDF
613KB
2021-01-16 17:03
动手学深度学习之深度学习基础
动手学深度学习之深度学习基础 文章目录动手学深度学习之深度学习基础1、过拟合、欠拟合及其解决方案2、梯度消失、梯度爆炸3、循环神经网络进阶4、机器翻译及相关技术5、注意力机制与Seq2seq模型6、T
PDF
67KB
2021-01-16 18:05
深度学习动手学深度学习笔记10
Task5——卷积神经网络基础;leNet;卷积神经网络进阶 10.1 卷积神经网络(CNN)基础 卷积神经网络是一种用来处理局部和整体相关性的计算网络结构,被应用在图像识别、自然语言处理甚至是语音识
PDF
716KB
2021-02-01 12:36
深度学习动手学深度学习笔记4
Task2——过拟合、欠拟合及其解决方案 4.1 欠拟合与过拟合的概念 欠拟合:模型拟合不够,在训练集(training set)上表现效果差,没有充分的利用数据,预测的准确度低。 过拟合:模型过度拟
PDF
411KB
2021-02-01 09:33
深度学习动手学深度学习笔记9
Task——Transformer 9.1 Transformer Transformer 是一种新的、基于 attention 机制来实现的特征提取器,可用于代替 CNN 和 RNN 来提取序列的特
PDF
377KB
2021-01-09 07:17
深度学习动手学深度学习笔记6
Task-3——循环神经网络进阶 6.1 长短期记忆(LSTM) 6.1.1 理论知识理解 理解LSTM网络 6.1.2 LSTM的从零开始实现 以下附上代码: 导入相应的包 import numpy
PDF
952KB
2021-01-31 16:42
MXNET_动手学习深度学习
李沐大神的动手学习深度学习，非常优秀的一本书，有github源码
PDF
0B
2019-05-13 17:15
动手学习深度学习_笔记4
4.1 机器翻译 机器翻译将一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译。输出序列的长度可能与源序列的长度不同。 数据预处理 def preprocess_raw(text
PDF
74KB
2021-01-16 07:53
动手学深度学习学习笔记
文本预处理 常见的四个步骤: 读入文本 分词 建立字典,将每个词映射到一个唯一的索引(index) 将文本从词的序列转换为索引的序列,方便输入模型 import collections import
PDF
44KB
2021-01-16 16:53