《动手学习深度学习》的笔记

《动手学习深度学习》的笔记《动手学习深度学习》是李沐老师（AWS资深首席科学家，美国卡内基梅隆大学计算机系博士）主讲的一系列深度学习视频。本项目收集了我们在寒假期间学习《动手学习深度学习》过程中详细的markdown笔记和相关的jupyter代码本项目的特色：markdown笔记与原课程视频一一对应，可以帮助大家一边听课一边理解。jupyter代码均有详细中文注释，帮助大家更快上手实践。课程视频共73节，单个视频平均时长不超过30分钟，预计寒假40天内可以学习完毕。在《动手学习深度学习》课程中，既有少量的机器学习的基础知识，比如：线性神经网络，多层感知机等等；又有如今前沿应用的各种深度学习模型：包括leNet，ResNet，LSTM，BERT……同时每一章节的讲解还配备由pytorch实现的代码、教科书等等，可以帮助同学在短期内掌握深度学习的基础模型与前沿知识和并提高实践能力。此外，本门课程还有相应的代码实现。每章都有相应的jupyter记事本，提供模型的完整python代码，所有的资源都可在网上免费获取。#笔记#机器学习教材网址：，论坛网址：，

深度学习OpenCV核心技术

名称：深度学习OpenCV核心技术描述：非常详细的OpenCV机器视觉实战，课程内容包括了视觉基础，计算机深度学习，计算机图像分割、目标跟踪，中阶段计算机视觉，神经网络、CNN卷积神经网络进阶及实战等课程，课程还包括了学习的作业级讲解，非常的“保姆级”。建议先收藏保存，不定时失效。链接：https://pan.quark.cn/s/6d3854042c52大小：NG标签：#quark#学习#资源#课程#OpenCV频道：@yunpanshare群组：@yunpangroup

深度学习数学工程 | YouTube | #机器学习 #电子书

#机器学习#电子书本书提供了深度学习的完整且简明的数学工程概述。内容包括卷积神经网络、递归神经网络、transformer、生成式对抗网络、强化学习、图神经网络等。书中聚焦于深度学习模型、算法和方法的基本数学描述，很大程度上与编程代码、神经科学关系、历史视角无关。数学基础的读者可以快速掌握现代深度学习算法、模型和技术的本质。深度学习可以通过数学语言在许多专业人员可理解的层面上进行描述。工程、信号处理、统计、物理、纯数学等领域的读者可以快速洞察该领域的关键数学工程组成部分。书里包含深度学习的基础原理、主要模型架构、优化算法等内容。另外还提供了相关课程、工作坊、源代码等资源。本内容面向想要从数学工程视角理解深度学习的专业人员，内容覆盖了深度学习的主要技术，使用简明的数学语言描述深度学习的关键组成部分，是了解深度学习数学本质的很好资源。

入理解深度学习

网站名称：深入理解深度学习网站功能：书籍网站简介：麻省理工这本爆火的《深入理解深度学习》的免费书终于出中文版了。深入讲解了深度学习核心概念，每章节搭配PPT和Python练习代码！内容包括监督学习、神经网络、卷积网络、Transformers、扩散模型、强化学习等。原版链接：中文版链接：

《动手学深度学习（PyTorch版）》

名称：《动手学深度学习（PyTorch版）》描述：《动手学深度学习（PyTorch版）》是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。链接：https://pan.quark.cn/s/6b5207a1c305大小：26M标签：#电子书#深度学习#动手学深度学习#quark频道：@yunpanshare群组：@yunpangroup

深度学习与TensorFlow 2入门实战

名称：深度学习与TensorFlow2入门实战描述：《与TensorFlow2入门实战》是一门适合初学者的课程，旨在帮助学员快速入门深度学习和TensorFlow2框架。课程内容涵盖了深度学习基础知识、TensorFlow2的安装与配置、神经网络的构建与训练等方面。通过本课程，学员将能够掌握基本的深度学习概念和TensorFlow2的使用技巧，并完成一些实际的入门级项目。建议先收藏保存，不定时失效。链接：https://pan.quark.cn/s/67177ab47fab大小：NG标签：#quark#学习#资源#课程#深度学习频道：@yunpanshare群组：@yunpangroup