19.5K ·GitHub
这是什么?
中文版《动手学深度学习》,把原书的 MXNet 代码示例改写成了 PyTorch——一份免费开源的深度学习教程,提供可运行的 Jupyter 笔记本,并配有在线文档。
中文版《动手学深度学习》,把原书的 MXNet 代码示例改写成了 PyTorch——一份免费开源的深度学习教程,提供可运行的 Jupyter 笔记本,并配有在线文档。它是给我读的书,还是要加进我代码里的库?是一本带代码的教材:docs/ 目录以 markdown 形式存放各章节(通过 GitHub Pages 上的 docsify 展示),code/ 目录里每章有一个 PyTorch 笔记本,data/ 目录存放数据集。
是一本带代码的教材:docs/ 目录以 markdown 形式存放各章节(通过 GitHub Pages 上的 docsify 展示),code/ 目录里每章有一个 PyTorch 笔记本,data/ 目录存放数据集。我具体该怎么用?直接在 GitHub Pages 网站上阅读最方便,因为 GitHub 的 markdown 无法渲染书里的 LaTeX 公式。想跑代码的话,克隆仓库并打开 code/ 里的笔记本即可。离线阅读可以通过 docsify-cli 或 'd2dl' 的 Docker 镜像实现。
直接在 GitHub Pages 网站上阅读最方便,因为 GitHub 的 markdown 无法渲染书里的 LaTeX 公式。想跑代码的话,克隆仓库并打开 code/ 里的笔记本即可。离线阅读可以通过 docsify-cli 或 'd2dl' 的 Docker 镜像实现。我是不是得先懂机器学习才能看懂?不用——本书不假设你有深度学习或机器学习基础。掌握基本的线性代数、微分、概率和 Python 就够了,而且阅读网页版不需要安装任何东西。
不用——本书不假设你有深度学习或机器学习基础。掌握基本的线性代数、微分、概率和 Python 就够了,而且阅读网页版不需要安装任何东西。整本书都写完了吗,还是有些部分还没完成?大部分章节已经完成,但 README 里有几个计算机视觉部分还没打勾——SSD、语义分割、FCN、风格迁移,以及 CIFAR-10 / ImageNet Dogs 的 Kaggle 实战——看起来尚未完成。
大部分章节已经完成,但 README 里有几个计算机视觉部分还没打勾——SSD、语义分割、FCN、风格迁移,以及 CIFAR-10 / ImageNet Dogs 的 Kaggle 实战——看起来尚未完成。这本书涵盖哪些主题?共十章:深度学习基础(线性回归、softmax、多层感知机、过拟合),模型搭建与 GPU 计算,从 LeNet 到 ResNet 和 DenseNet 的卷积神经网络,带 GRU 和 LSTM 的循环神经网络,直至 Adam 的各类优化器,此外还有计算机视觉(目标检测、语义分割、风格迁移)和自然语言处理(word2vec、seq2seq、注意力机制、机器翻译)。
共十章:深度学习基础(线性回归、softmax、多层感知机、过拟合),模型搭建与 GPU 计算,从 LeNet 到 ResNet 和 DenseNet 的卷积神经网络,带 GRU 和 LSTM 的循环神经网络,直至 Adam 的各类优化器,此外还有计算机视觉(目标检测、语义分割、风格迁移)和自然语言处理(word2vec、seq2seq、注意力机制、机器翻译)。它是偏动手实践,还是全是理论?偏动手:每章都附带可运行的 PyTorch 笔记本,而且书里还带你走完真实的 Kaggle 比赛——房价预测、CIFAR-10 图像分类和 ImageNet 狗类识别。
偏动手:每章都附带可运行的 PyTorch 笔记本,而且书里还带你走完真实的 Kaggle 比赛——房价预测、CIFAR-10 图像分类和 ImageNet 狗类识别。练习用的是哪些数据集?都是随时随地能训练的经典小数据集:图像分类用 Fashion-MNIST,目标检测用皮卡丘数据集,语言模型和循环神经网络章节用周杰伦专辑歌词。
都是随时随地能训练的经典小数据集:图像分类用 Fashion-MNIST,目标检测用皮卡丘数据集,语言模型和循环神经网络章节用周杰伦专辑歌词。原书还有英文版——这个仓库适合我吗?这个仓库对应的是中文版,正文都是中文。README 提到两个版本内容有差异,并给想用 PyTorch 学习英文版的读者指了另一个仓库。
这个仓库对应的是中文版,正文都是中文。README 提到两个版本内容有差异,并给想用 PyTorch 学习英文版的读者指了另一个仓库。What are similar projects?DeepLearning, pytorch-handbook, pytorch-tutorial, d2l-en, deep-learning-for-image-processing, nndl, deep-learning-with-python-notebooks, fastbook
DeepLearning, pytorch-handbook, pytorch-tutorial, d2l-en, deep-learning-for-image-processing, nndl, deep-learning-with-python-notebooks, fastbookWhich topics is it in?word2vec, kaggle, deep-learning-tutorial, textbook, cnn, attention-mechanism, neural-networks, natural-language-processing, jupyter notebook, book, computer-vision, learning-resources
word2vec, kaggle, deep-learning-tutorial, textbook, cnn, attention-mechanism, neural-networks, natural-language-processing, jupyter notebook, book, computer-vision, learning-resources