为了协助正在学习深度学习的同伴们,川大的一名优秀毕业生,在GitHub上创立了一个项目:《深度学习500问》,经过问答的方式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点成绩停止阐述,以协助本人及有需求的读者。 全书分为15个章节,近20万字。
截至昔日,该项目曾经取得了 2106 个「star」以及 465 个「fork」(GitHub项目地址:https://github.com/scutan90/DeepLearning-500-questions)
虽然本书还未完毕,但还是值得一读,下面我们详细引见书中有哪些内容:
第一章数学基础
本章主要解说了数学基础知识,不只涵盖了相关的基础概念,还包括彼此之间的联络,如标量、向量、张量之间的联络;张量和矩阵的区别,还有常见的概率散布:
此外,还解说了不同类型的概率散布和统计学(希冀、方差、协方差、相关数)的相关基础知识
第二章机器学习基础
本章为大家罗列了常见的算法以及常见分类算法的优缺陷、分类算法的评价用法、大数据与深度学习的关系等,第二章涵盖的知识点虽然很多但却十分片面。
第三章深度学习基础
本章末尾进入主题,为了描画神经网络,书中从最复杂的神经网络说起,然后层层深化,罗列了神经网络的常用模型结构,如何选择一个深度学习开发平台等重点内容,如神经网络常用的模型结构如下:
第四章经典网络
本章向大家引见了几种经典网络,包括LeNet-5、AlexNet、可视化ZFNet-解卷积、GoogleNet的模型结构及模型解读等,如LeNet-5的模型结构如下:
看了下面这些内容,你是不是曾经刻不容缓想深度读一下这本未完毕的书呢?或许你正从事该范围的任务,也可以协助作者完善成书。
最后再附上GitHub地址:https://github.com/scutan90/DeepLearning-500-questions
【编辑引荐】
从零末尾运用Python停止深度学习!
一文概述深度学习中的正则化(含Python代码)
TF Learn : 基于Scikit-learn和TensorFlow的深度学习利器
轻松停止深度学习的11种Python库和框架
前端工程师掌握这18招,就能在阅读器里玩转深度学习
(责任编辑:admin)