登录免费注册



深度学习入门：基于Python的理论与实现

首页  思维导图  详情



深度学习入门：基于Python的理论与实现

2019-02-28 18:34:43   0  举报





仅支持查看

AI智能生成

深度学习入门：基于Python的理论与实现

人工智能

深度学习

Python 人工智能

Python 机器学习

深度学习入门：基于Python的理论与实现

模版推荐

作者其他创作

大纲/内容

第6章与学习相关的技巧

6.1 参数的更新

6.2 权重的初始值

6.3 Batch Normalization

6.4 正则化

6.5 超参数的验证

6.6 小结

第7章卷积神经网络

7.1 整体结构

7.2 卷积层

7.3 池化层

7.4 卷积层和池化层的实现

7.5 CNN的实现

7.6 CNN的可视化

7.7 具有代表性的CNN

7.8 小结

第8章深度学习

8.1 加深网络

8.2 深度学习的小历史

8.3 深度学习的高速化

8.4 深度学习的应用案例

8.5 深度学习的未来

8.6 小结

附录A Softmax-with-Loss层的计算图

参考文献

第1章 Python入门

1.1 Python是什么

1.2 Python的安装

1.3 Python解释器

1.4 Python脚本文件

1.5 NumPy

1.6 Matplotlib

1.7 小结

第2章感知机

2.1 感知机是什么

2.2 简单逻辑电路

2.3 感知机的实现

2.4 感知机的局限性

2.5 多层感知机

2.6 从与非门到计算机

2.7 小结

第3章神经网络

3.1 从感知机到神经网络

3.2 激活函数

3.3 多维数组的运算

3.4 3层神经网络的实现

3.5 输出层的设计

3.6 手写数字识别

3.7 小结

第4章神经网络的学习

4.1 从数据中学习

4.2 损失函数

4.3 数值微分

4.4 梯度

4.5 学习算法的实现

4.6 小结

第5章误差反向传播法

5.1 计算图

5.2 链式法则

5.3 反向传播

5.4 简单层的实现

5.5 激活函数层的实现

5.6 Affine/Softmax层的实现

5.7 误差反向传播法的实现

5.8 小结

 Collect

Get Started

社会学习理论思维导图

 Collect

Get Started

用户成长的深度与次数

深度实践OpenStack：基于Python的OpenStack组件开发

 Collect

Get Started

深度实践OpenStack：基于Python的OpenStack组件开发

 Collect

Get Started

Python基础知识入门整理













评论

0 条评论

下一页



图形选择

思维导图

主题

补充说明

AI生成





修改AI描述

去编辑

重新生成

提示 

关闭后当前内容将不会保存，是否继续？

取消

确定

Document