99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一本還未完成的深度學(xué)習(xí)書籍——《深度學(xué)習(xí)500問》

電子工程師 ? 來源:未知 ? 作者:李倩 ? 2018-10-24 09:24 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

今天,營長要給大家推薦一本還未完成的深度學(xué)習(xí)書籍——《深度學(xué)習(xí)500問》。為什么要推薦一本未完成的書?

首先,這本書的作者是通過問答的形式,對常用的概率知識(shí)、線性代數(shù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺等熱點(diǎn)問題進(jìn)行闡述,清晰明了,方便檢索,特別適合初學(xué)者。其次,該作者將這本書無償發(fā)布在 GitHub 上,大家可以直接在線閱讀或下載學(xué)習(xí)。最后,這是一本中文書。

所以,雖然這本書還未完工,但是非常適合廣大讀者點(diǎn)贊、收藏、外加轉(zhuǎn)發(fā)。現(xiàn)在,營長就來為大家介紹這本書的詳細(xì)內(nèi)容。

▌第一章:數(shù)學(xué)基礎(chǔ)

這部分內(nèi)容可能和大家以往看到的數(shù)學(xué)理論知識(shí)書籍不太一樣,這里作者并沒有講解那些知識(shí)點(diǎn),而是幫大家總結(jié)整理了知識(shí)點(diǎn)間的關(guān)系,比如:張量與矩陣的區(qū)別,奇異值與特征值的關(guān)系,常見概率分布(涵蓋12 種分布;通過分析每種分布的密度函數(shù)、數(shù)學(xué)期望、方差、特征函數(shù)等方面進(jìn)行對比)等等。

▌第二章:機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)涉及的知識(shí)非常的多,作者在這里為大家講解了常見的算法及它們各自的優(yōu)缺點(diǎn),如何根據(jù)數(shù)據(jù)類型來選擇模型,如何選擇函數(shù),以及不同方法(如:降維方法 LDA、PCA)的優(yōu)缺點(diǎn)。

▌第三章:深度學(xué)習(xí)

從數(shù)學(xué)基礎(chǔ)到機(jī)器學(xué)習(xí),接下來就是深度學(xué)習(xí)了。神經(jīng)網(wǎng)絡(luò)、前向傳播、反向傳播、激活函數(shù)、超參數(shù)、如何應(yīng)用 Sofxmax、調(diào)節(jié) Batch-Size 、歸一化、Dropout 這些問題作者已經(jīng)都為大家準(zhǔn)備好了。

▌第四至六章:經(jīng)典網(wǎng)絡(luò)、CNN、RNN

第四章主要是LetNet、AlexNet、ZFNe、VGG、GoogleNet、Inception 等經(jīng)典網(wǎng)絡(luò)模型結(jié)構(gòu)、模型特點(diǎn)的解讀。第五章則詳細(xì)講解了 CNN 網(wǎng)絡(luò)的各組成層、卷積核、步長等基礎(chǔ)知識(shí),還有圖解 12 種不同類型的 2D 卷積,以及 2D 卷積與3D 卷積的不同之處;第六章為大家講解RNN 的特點(diǎn)、拓展和改進(jìn)的網(wǎng)絡(luò)和在 NLP 中的典型應(yīng)用。

有了這樣的講解,還擔(dān)心自己搞不懂這些網(wǎng)路嗎?

▌第七至十五章

第七、八章主要介紹目標(biāo)檢測、圖像分割等技術(shù)的運(yùn)用;第九、十章將帶領(lǐng)大家了解這兩年大熱的強(qiáng)化學(xué)習(xí)與遷移學(xué)習(xí);目前第十一、十二章內(nèi)容,作者還沒有更新;第十三、十四、十五章則從優(yōu)化算法、超參數(shù)調(diào)整、正則化內(nèi)容出發(fā),教你如何更好地訓(xùn)練模型。

看到作者把自己這么用心整理、總結(jié)的知識(shí)和資源公開發(fā)表出來時(shí),營長第一時(shí)間聯(lián)系到了作者。并采訪了作者寫這本書的初衷、目前的進(jìn)展和今后的計(jì)劃?,F(xiàn)在,就來為大家介紹下本書作者——談繼勇。

AI科技大本營:能簡單介紹下自己嗎?

談繼勇:我是 2018 年碩士畢業(yè)于四川大學(xué)控制工程專業(yè),并被評為四川大學(xué)優(yōu)秀畢業(yè)生。目前就職于順豐科技有限公司,最近正在做CV領(lǐng)域相關(guān)的技術(shù)。我曾在Neurocomputing、Asian Journal of Control 等期刊發(fā)表論文 8 篇,其中 SCI/EI 6篇。先后在四川大學(xué) PMCIRI 研究所、中科院信息工程研究所和香港中文大學(xué)(深圳)交流學(xué)習(xí),并主研過多項(xiàng)課題項(xiàng)目。

AI 科技大本營:從什么時(shí)候開始關(guān)注人工智能?什么原因?

談繼勇:我是本科期間在實(shí)驗(yàn)室從事智能機(jī)器人、無人機(jī)相關(guān)研發(fā),那時(shí)候覺得智能的工具設(shè)備很神奇,從那個(gè)時(shí)候開始接觸。研究生階段在四川大學(xué) PMCIRI 研究所從事智能控制、計(jì)算機(jī)視覺相關(guān)的技術(shù)研究。

AI 科技大本營:您是什么時(shí)候開始寫《深度學(xué)習(xí)500問》的?初衷是什么?

談繼勇:我是2017年9月份開始整理,最初的想法是現(xiàn)有的書籍很難回答開發(fā)者各種各樣的問題,市面上的書籍大多要么是一套使用方法工具類書籍,要么是理論類書籍,而經(jīng)驗(yàn)不足的開發(fā)者想要快速開發(fā)、找到對癥下藥的解決方案變得很低效,所以想搜集整理這些問題成書,方便相關(guān)開發(fā)者更快的解決問題。

AI 科技大本營:您是怎樣搜集資料的?做了哪些準(zhǔn)備?

談繼勇:主要根據(jù)現(xiàn)有大牛書籍、國內(nèi)外知名學(xué)者個(gè)人網(wǎng)站、知名論壇、請教專業(yè)大牛,再結(jié)合自身理解,做了這些整理。

AI 科技大本營:《深度學(xué)習(xí)500問》主要是面向什么類型的讀者?為什么要采用問答的形式?

談繼勇:這個(gè)項(xiàng)目里面的內(nèi)容以問答方式,針對不同的問題,給出解決方案,有需要的開發(fā)者或多或少都能從中受益。以問答的方式主要是方便快速解決問題,對癥下藥,并且能提高讀者興趣。

AI 科技大本營:《深度學(xué)習(xí)500問》大概什么時(shí)候完成?目前還缺少兩章節(jié)的內(nèi)容有什么樣的規(guī)劃?

談繼勇:本來打算一年內(nèi)完成,但由于項(xiàng)目、paper等眾多因素影響,精力有限,使得計(jì)劃延期。我也希望有意者可以合作,加快完善進(jìn)度。以便早成體系。

缺少的兩章內(nèi)容中,第十一章是近來受到大家關(guān)注的生成對抗網(wǎng)絡(luò)——GAN;第十二章是非常干貨的內(nèi)容——網(wǎng)絡(luò)框架搭建實(shí)踐經(jīng)驗(yàn)分享,我會(huì)根據(jù)自己的操作和實(shí)踐經(jīng)驗(yàn)總結(jié)那些容易出現(xiàn)問題的解決方法,相信這部分內(nèi)容對大家在學(xué)習(xí)和工作中的幫助會(huì)非常大,敬請期待!

AI 科技大本營:關(guān)于人工智能的學(xué)習(xí)和實(shí)踐,您有什么經(jīng)驗(yàn)可以分享的嗎?

談繼勇:以做工程的角度看,需要多動(dòng)手 debug,多積累實(shí)際經(jīng)驗(yàn)。以理論角度看,加強(qiáng)理論知識(shí)的理解,不要跑跑模型就覺得可以了。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:《深度學(xué)習(xí)500問》,川大優(yōu)秀畢業(yè)生的誠意之作

文章出處:【微信號(hào):rgznai100,微信公眾號(hào):rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    如何排除深度學(xué)習(xí)工作臺(tái)上量化OpenVINO?的特定層?

    無法確定如何排除要在深度學(xué)習(xí)工作臺(tái)上量化OpenVINO?特定層
    發(fā)表于 03-06 07:31

    軍事應(yīng)用中深度學(xué)習(xí)的挑戰(zhàn)與機(jī)遇

    人工智能尤其是深度學(xué)習(xí)技術(shù)的最新進(jìn)展,加速了不同應(yīng)用領(lǐng)域的創(chuàng)新與發(fā)展。深度學(xué)習(xí)技術(shù)的發(fā)展深刻影響了軍事發(fā)展趨勢,導(dǎo)致戰(zhàn)爭形式和模式發(fā)生重大變化。本文將概述
    的頭像 發(fā)表于 02-14 11:15 ?540次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對它們之間關(guān)系的介紹: 、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network
    的頭像 發(fā)表于 02-12 15:15 ?863次閱讀

    ADC128S022控制時(shí)序中地址的輸入未完成,為什么DOUT有輸出?

    ADC128S022這個(gè)芯片控制時(shí)序中地址的輸入未完成,DOUT為啥就會(huì)輸出。如果DOUT輸出的是上個(gè)采樣轉(zhuǎn)換周期中的通道的值,那么如果上電第次執(zhí)行時(shí)輸出的又會(huì)是誰的值?
    發(fā)表于 12-10 07:22

    GPU在深度學(xué)習(xí)中的應(yīng)用 GPUs在圖形設(shè)計(jì)中的作用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心部分,已經(jīng)成為推動(dòng)技術(shù)進(jìn)步的重要力量。GPU(圖形處理單元)在深度學(xué)習(xí)中扮演著至關(guān)重要的角色,其強(qiáng)大的并行處理能力使得訓(xùn)練復(fù)雜的神經(jīng)網(wǎng)絡(luò)模
    的頭像 發(fā)表于 11-19 10:55 ?1629次閱讀

    NPU在深度學(xué)習(xí)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學(xué)習(xí)作為其核心驅(qū)動(dòng)力之,已經(jīng)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和價(jià)值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡(luò)處理單元)是專門為深度
    的頭像 發(fā)表于 11-14 15:17 ?1923次閱讀

    pcie在深度學(xué)習(xí)中的應(yīng)用

    深度學(xué)習(xí)模型通常需要大量的數(shù)據(jù)和強(qiáng)大的計(jì)算能力來訓(xùn)練。傳統(tǒng)的CPU計(jì)算資源有限,難以滿足深度學(xué)習(xí)的需求。因此,GPU(圖形處理單元)和TPU(張量處理單元)等專用硬件應(yīng)運(yùn)而生,它們通過
    的頭像 發(fā)表于 11-13 10:39 ?1359次閱讀

    Pytorch深度學(xué)習(xí)訓(xùn)練的方法

    掌握這 17 種方法,用最省力的方式,加速你的 Pytorch 深度學(xué)習(xí)訓(xùn)練。
    的頭像 發(fā)表于 10-28 14:05 ?661次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>訓(xùn)練的方法

    GPU深度學(xué)習(xí)應(yīng)用案例

    GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要,以下是些GPU深度學(xué)習(xí)應(yīng)用案例: 、圖像識(shí)別 圖像識(shí)別是
    的頭像 發(fā)表于 10-27 11:13 ?1384次閱讀

    激光雷達(dá)技術(shù)的基于深度學(xué)習(xí)的進(jìn)步

    信息。這使得激光雷達(dá)在自動(dòng)駕駛、無人機(jī)、機(jī)器人等領(lǐng)域具有廣泛的應(yīng)用前景。 二、深度學(xué)習(xí)技術(shù)的發(fā)展 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 10-27 10:57 ?1073次閱讀

    FPGA加速深度學(xué)習(xí)模型的案例

    FPGA(現(xiàn)場可編程門陣列)加速深度學(xué)習(xí)模型是當(dāng)前硬件加速領(lǐng)域的個(gè)熱門研究方向。以下是些FPGA加速深度
    的頭像 發(fā)表于 10-25 09:22 ?1238次閱讀

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對兩者關(guān)系的介紹: 、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :
    的頭像 發(fā)表于 10-23 15:25 ?2900次閱讀

    深度學(xué)習(xí)GPU加速效果如何

    圖形處理器(GPU)憑借其強(qiáng)大的并行計(jì)算能力,成為加速深度學(xué)習(xí)任務(wù)的理想選擇。
    的頭像 發(fā)表于 10-17 10:07 ?617次閱讀

    FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?

    ,共同進(jìn)步。 歡迎加入FPGA技術(shù)微信交流群14群! 交流問題() Q:FPGA做深度學(xué)習(xí)能走多遠(yuǎn)?現(xiàn)在用FPGA做深度學(xué)習(xí)加速成為
    發(fā)表于 09-27 20:53

    NVIDIA推出全新深度學(xué)習(xí)框架fVDB

    在 SIGGRAPH 上推出的全新深度學(xué)習(xí)框架可用于打造自動(dòng)駕駛汽車、氣候科學(xué)和智慧城市的 AI 就緒型虛擬表示。
    的頭像 發(fā)表于 08-01 14:31 ?1152次閱讀