分类
发现
标签
搜索
注册
登录
分类
发现
榜单
标签
注册
登录
深度学习入门:基于Python的理论与实现
文档评分:
4.0 (
0 个有效评分
)
文档语言:
中文
章节数量:
97
阅读人次:
707
收藏数量:
0
整理分享:
管理员
马上阅读
加入收藏
下载电子书
马上阅读
收藏书籍
下载书籍
文档标签
入门
深度
基于
学习
理论
文档概述
书籍目录
书籍评论 (
0
)
版权信息
空标题文档
版权声明
O'Reilly Media, Inc.介绍
业界评论
译者序
前言
本书的理念
本书面向的读者
本书不面向的读者
本书的阅读方法
让我们开始吧
表述规则
致谢
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
空标题文档
空标题文档
空标题文档
空标题文档
空标题文档
空标题文档
空标题文档
4.5.2 mini-batch 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
空标题文档
空标题文档
空标题文档
空标题文档
空标题文档
读入数据
5.8 小结
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
A.1 正向传播
A.2 反向传播
A.3 小结
参考文献
版权信息
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档