This is an open sourced book on deep learning. This book is supposed to be mathematically light and caters to the readers who have no experience with deep learning or a strong mathematics background. This book is meant to help readers take their "First Step" towards Deep Learning.

成为VIP会员查看完整内容
0
23

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

本课程涉及深度学习和表示学习的最新技术,重点是有监督和无监督的深度学习、嵌入方法、度量学习、卷积网和递归网,并应用于计算机视觉、自然语言理解和语音识别。

第五讲:

第六讲:

第七讲:

成为VIP会员查看完整内容
0
109

简介:本项目将《动手学深度学习》 原书中MXNet代码实现改为PyTorch实现。原书作者:阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者,GitHub地址, 此书的中英版本存在一些不同,针对此书英文版的PyTorch重构可参考这个项目。

本仓库主要包含code和docs两个文件夹(外加一些数据存放在data中)。其中code文件夹就是每章相关jupyter notebook代码(基于PyTorch);docs文件夹就是markdown格式的《动手学深度学习》书中的相关内容,然后利用docsify将网页文档部署到GitHub Pages上,由于原书使用的是MXNet框架,所以docs内容可能与原书略有不同,但是整体内容是一样的。欢迎对本项目做出贡献或提出issue。

目录:

原书地址: 中文版:动手学深度学习 | Github仓库 English Version: Dive into Deep Learning | Github Repo

成为VIP会员查看完整内容
0
60

Vipul Vaibhaw在Github开源了一份关于Pytorch深度学习的书册,《First steps towards Deep Learning with pyTorch》,这是一本关于深度学习的开源书籍。这本书应该是非数学的,迎合了那些没有深度学习经验,数学知识和兴趣很少的读者。这本书旨在帮助读者迈出深度学习的“第一步”。

  • 理解人工神经网络
  • Pytorch介绍
  • 如何让计算机看见?
  • 如何让计算机记忆?
  • 下一步

github链接:
https://github.com/vaibhawvipul/First-steps-towards-Deep-Learning

成为VIP会员查看完整内容
0
67

Vipul Vaibhaw在Github开源了一份关于Pytorch深度学习的书册,《First steps towards Deep Learning with pyTorch》,这是一本关于深度学习的开源书籍。这本书应该是非数学的,迎合了那些没有深度学习经验,数学知识和兴趣很少的读者。这本书旨在帮助读者迈出深度学习的“第一步”。

成为VIP会员查看完整内容
0
66
小贴士
相关VIP内容
Yann Lecun 纽约大学《深度学习(PyTorch)》课程(2020)PPT
专知会员服务
109+阅读 · 2020年3月16日
《动手学深度学习》(Dive into Deep Learning)PyTorch实现
专知会员服务
60+阅读 · 2019年12月31日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
79+阅读 · 2019年10月28日
【开源书】PyTorch深度学习起步,零基础入门(附pdf下载)
专知会员服务
66+阅读 · 2019年10月26日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
55+阅读 · 2019年10月16日
强化学习最新教程,17页pdf
专知会员服务
55+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
22+阅读 · 2019年10月11日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
16+阅读 · 2019年10月9日
相关资讯
Github项目推荐 | PyTorch文本分类教程
AI研习社
4+阅读 · 2019年6月7日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
深度学习医学图像分析文献集
机器学习研究会
13+阅读 · 2017年10月13日
推荐|深度学习PyTorch的教程代码
全球人工智能
4+阅读 · 2017年10月8日
【推荐】MXNet深度情感分析实战
机器学习研究会
16+阅读 · 2017年10月4日
【推荐】深度学习目标检测全面综述
机器学习研究会
17+阅读 · 2017年9月13日
【推荐】深度学习目标检测概览
机器学习研究会
9+阅读 · 2017年9月1日
【推荐】TensorFlow手把手CNN实践指南
机器学习研究会
5+阅读 · 2017年8月17日
相关论文
Simple Multi-Resolution Representation Learning for Human Pose Estimation
Trung Q. Tran,Giang V. Nguyen,Daeyoung Kim
4+阅读 · 2020年4月14日
Mingzhen Li,Yi Liu,Xiaoyan Liu,Qingxiao Sun,Xin You,Hailong Yang,Zhongzhi Luan,Depei Qian
9+阅读 · 2020年2月6日
Wenwu Zhu,Xin Wang,Peng Cui
18+阅读 · 2020年1月2日
Hoang NT,Takanori Maehara
5+阅读 · 2019年5月23日
Seyed Sajad Mousavi,Michael Schukat,Enda Howley
12+阅读 · 2018年6月23日
Lin Yang,Yizhe Zhang,Zhuo Zhao,Hao Zheng,Peixian Liang,Michael T. C. Ying,Anil T. Ahuja,Danny Z. Chen
4+阅读 · 2018年6月2日
Sergio Valcarcel Macua,Aleksi Tukiainen,Daniel García-Ocaña Hernández,David Baldazo,Enrique Munoz de Cote,Santiago Zazo
4+阅读 · 2018年4月22日
Matthew E. Peters,Mark Neumann,Mohit Iyyer,Matt Gardner,Christopher Clark,Kenton Lee,Luke Zettlemoyer
9+阅读 · 2018年3月22日
Dan Xu,Xavier Alameda-Pineda,Jingkuan Song,Elisa Ricci,Nicu Sebe
7+阅读 · 2018年3月5日
You Xie,Erik Franz,Mengyu Chu,Nils Thuerey
5+阅读 · 2018年1月29日
Top