深度学习每日摘要|坚持技术,追求原创
感谢你关注我的公众号,此公众号起于深度学习,不止于深度学习。文章强调用简单的语言把一个原理或应用讲得易于理解,同时文章又坚持技术实践,不定期会分享我的实践源码。目前我的文章主要集中在监督学习,并在结合深度学习逐步深入到强化学习以及无监督学习,后续仍然会对传统机器学习算法和深度学习做一个对比联想。如果你对我的文章有什么想法,欢迎在文章底部留言或者直接在微信公众号处交流,我都会及时回复;也欢迎你与我分享深度学习中的各种新鲜科技或行业进展,我很乐意与你交流、探讨!基于markdown精心编排的2016-2017两年电子特刊,将于2018年元旦赠送给大家。
坚持技术,追求原创。感谢一直以来所有关注、分享以及打赏的朋友们,虽然我们素未谋面,但因彼此怀着对知识的渴望而结识于网络,也是一种莫大的缘分!
题图:深度学习每日摘要官方LOGO
近期推荐:
所有文章:
1.《聊聊语音识别的发展历程》
2.《说说重要的贝叶斯公式吧》
3.《我对入门深度学习的切身体会》
4.《聊聊隐马尔科夫模型(HMM)》
5.《关于防止过拟合的一些想法》
6.《我与数据打交道(一)》
7.《我与数据打交道(二)》
8.《我与数据打交道(三)》
9.《资源汇总|如何成为一名数据科学家》
10.《如何用Git同步两台电脑》
11.《从头写一个朋友圈红包图片》
12.《我对GMM的理解(一)》
13.《我对GMM的理解(二)》
14.《K-最近邻算法的应用》
15.《朴素贝叶斯(Naive Bayes)》
16.《决策树(Decision Tree)》
17.《Bagging,Random Forests以及Boosting》
18.《K-Means集群算法》
19.《我对推荐系统的理解》
20.《如何评价一个机器学习模型》
22.《有哪些基本的排序算法》
23.《聊聊组合与排列》
24.《一个算法问题的三种思考方式》
25.《再叙快排》
26.《什么是自平衡二叉查找树》
27.《如何进行归并排序》
28.《分析堆排序》
29.《我对动态规划的理解(一)》
30.《我对动态规划的理解(二)》
31.《我对动态规划的理解(三)》
32.《马尔科夫决策过程》
33.《n-Armed Bandit Problem(一)》
34.《n-Armed Bandit Problem(二)》
35.《基于强化学习开发人机对弈五子棋游戏》
40.《我对随机梯度下降的理解(一)》
41.《我对随机梯度下降的理解(二)》
42.《时序分类算法之Connectionist Temporal Classification(CTC)》
43.《语言模型之N-gram》
44.《如何评价一个语言模型(LM)》
45.《如何计算字符串编辑距离》
46.《如何计算语音识别中的字母错误率》
47.《RNN-maxout+VGG+LSTM组合模型用于声学建模》
48.《基于注意力模型的TIMIT语音识别系统》
49.《微软2016年最新语音识别系统》
50.《什么是对抗式生成网络》
51.《Prisma修图软件的图片风格转换算法》
52.《运用Res-GRU神经网络进行图片压缩》
53.《如何用神经网络进行图片压缩》
54.《深度残差学习框架》
55.《深度残差学习框架(续)》
56.《models/autoencoder源码阅读(一)》
57.《models/autoencoder源码阅读(二)》
58.《models/autoencoder源码阅读(三)》
59.《TensorFlow(一)——基础图模型》
60.《TensorFlow(二)——逻辑回归》
61.《TensorFlow(三)——卷积神经网络用于手写字识别》
62.《TensorFlow(四)——构建自动编码器用于数据压缩及复原》
63.《TensorFlow(五)——构建深度残差学习网络》
65.《漫谈RNN之基本概念》
66.《漫谈RNN之训练方法》
67.《漫谈RNN之梯度消失及梯度爆炸》
68.《漫谈RNN之长短期记忆模型LSTM》
69.《漫谈RNN之长短期记忆模型LSTM(续)》
70.《漫谈RNN之序列建模(机器翻译篇)》
71.《漫谈RNN之序列建模(机器造句篇)》
72.《漫谈RNN之序列建模(机器说图篇)》
73.《漫谈RNN之注意力机制(语音识别篇)》
75.《漫谈RNN之记忆网络(原始框架篇)》
76.《漫谈RNN之记忆网络(E2E)》
77.《漫谈RNN之记忆网络(DMN及DMN+)》
78.《漫谈RNN之seq2seq代码详解》
79.《漫谈RNN之神经图灵机》
81.《基于TensorFlow让机器生成周杰伦歌词(续)》
82.《2016深度学习技术文章回顾》
83.《深度学习中的预训练》
87.《漫谈TensorFlow Fold之动态批处理算法》
88.《早睡身体好》
89.《周志华提出的gcForest到底是什么》
90.《『深度要闻』第一期》
91.《生活中的森林故事》
92.《『深度要闻』第二期》
93.《三行Python代码构建机器翻译模型》
94.《『深度要闻』第三期》
95.《基于TensorFlow Fold动态解决FizzBuzz问题》
96.《经验 | 读者分享深度学习框架使用体会》
97.《常见的两种注意力机制》
98.《『深度要闻』第四期(附社区chat分享)》
99.《推荐阅读 | 如何让TensorFlow模型运行提速36.8%》
100.《github上TensorFlow深度学习精华项目汇总》
101.《BAT某企工程师关于文本分类的答疑》
102.《漫谈深度强化学习之基础概念》
103.《漫谈深度强化学习之GridWorld代码实现》
104.《漫谈深度强化学习之Q-Learning》
105.《漫谈深度强化学习之Q-Learning, Sarsa代码实践》
106.《漫谈深度强化学习之手写Deep Q-Network解决迷宫问题》
107.《推荐阅读 | 如何让TensorFlow模型运行提速36.8%(续)》
108.《ICLR2017 参会论文导读(机器理解、注意力、记忆网络)》
109.《语音识别领域三十年来重要论文合集及其下载地址》
110.《ICLR2017记忆网络及近期论文导读》
111.《拥有1200多star的项目是什么样的心情》
112.《如何基于TensorFlow实现ResNet和HighwayNet》
113.《Network-in-Network原理及其TensorFlow实现》
114.《ConvLSTM原理及其TensorFlow实现》
115.《时延神经网络(TDNN)原理及其TensorFlow实现》
116.《Maxout Network原理及其TensorFlow实现》
117.《Batch Normalization原理及其TensorFlow实现》
118.《Layer Normalization原理及其TensorFlow实现》
119.《DeepMind wavenet原理及其TensorFlow实现》
120.《SampleRNN语音合成模型》
121.《端对端的深度卷积神经网络在语音识别中的应用》
122.《动态层归一化(Dynamic Layer Normalization)》
123.《小米的语音识别系统是如何搭建的》
124.《完全基于卷积神经网络的seq2seq》
125.《谈谈蚂蚁金服的语音唤醒系统》
126.《详解TensorFlow的新seq2seq模块及其用法》
127.《[DLdigest-1] 有人用量子场论来解释深度神经网络》
128.《[DLdigest-2] AlphaGo Zero是自由的》
129.《[DLdigest-3] Python中让你无法预测的“是”》
深度学习每日摘要|坚持技术,追求原创