forked from microsoft/ai-edu
-
Notifications
You must be signed in to change notification settings - Fork 0
/
mkdocs.yml
296 lines (288 loc) · 25 KB
/
mkdocs.yml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
# Ai-du Project
# Project information
site_name: 'AI-EDU'
site_author: 'AI-Edu Team'
site_description: '微软人工智能教育与学习共建社区(简称AI_Edu)是一个涵盖人工智能、深度学习等内容的开源知识社区，帮助用户在学与实践中掌握人工智能的知识。'
copyright: 'Copyright © Microsoft Corporation. All rights reserved.'
repo_name: Microsoft/ai-edu
repo_url: 'https://github.com/microsoft/ai-edu'
# Configuration
theme:
name: material
palette:
- media: "(prefers-color-scheme: light)"
scheme: default
primary: blue
accent: blue
toggle:
icon: material/weather-sunny
name: Switch to dark mode
- media: "(prefers-color-scheme: dark)"
scheme: slate
primary: indigo
accent: indigo
toggle:
icon: material/weather-night
name: Switch to light mode
icon:
repo: fontawesome/brands/github
admonition:
note: octicons/tag-16
abstract: octicons/checklist-16
info: octicons/info-16
tip: octicons/squirrel-16
success: octicons/check-16
question: octicons/question-16
warning: octicons/alert-16
failure: octicons/x-circle-16
danger: octicons/zap-16
bug: octicons/bug-16
example: octicons/beaker-16
quote: octicons/quote-16
font:
text: Roboto
code: Roboto Mono
language: zh
features:
- navigation.instant
- navigation.tabs
- navigation.sections
- toc.integrate
- navigation.top
- header.autohide
# Plugins
plugins:
- search:
separator: '[\s\-\.]+'
prebuild_index: true
# Page tree
nav:
- Ai-edu: 'index.md'
- 基础教程:
- 本页介绍: './基础教程/README.md'
- 神经网络基本原理:
- 本课介绍: './基础教程/A2-神经网络基本原理/README.md'
- 第一步、基本知识:
- 00 前言: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/00 前言.md'
- 01 概论与基本概念: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/01 第一步 - 概论与基本概念.md'
- 01.0 人工智能发展简史: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/01.0-人工智能发展简史.md'
- 01.2 人工智能的定义: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/01.1-人工智能的定义.md'
- 01.2 范式的演化: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/01.2-范式的演化.md'
- 01.3 神经网络的基本工作原理: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/01.3-神经网络的基本工作原理.md'
- 02.0 反向传播与梯度下降: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/02.0-反向传播与梯度下降.md'
- 02.1 线性反向传播: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/02.1-线性反向传播.md'
- 02.2 非线性反向传播: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/02.2-非线性反向传播.md'
- 02.3 梯度下降: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/02.3-梯度下降.md'
- 03.0 损失函数: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/03.0-损失函数.md'
- 03.1 均方差损失函数: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/03.1-均方差损失函数.md'
- 03.2 交叉熵损失函数: './基础教程/A2-神经网络基本原理/第1步 - 基本知识/03.2-交叉熵损失函数.md'
- 第二步、线性回归:
- 04 线性回归: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04 第二步 - 线性回归.md'
- 04.0 单变量线性回归: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04.0-单入单出单层-单变量线性回归.md'
- 04.1 最小二乘法: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04.1-最小二乘法.md'
- 04.2 梯度下降法: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04.2-梯度下降法.md'
- 04.3 神经网络法: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04.3-神经网络法.md'
- 04.4 多样本计算: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04.4-多样本计算.md'
- 04.5 梯度下降的三种形式: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/04.5-梯度下降的三种形式.md'
- 05.0 多变量线性回归: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.0-多入单出单层-多变量线性回归.md'
- 05.1 正规方程法: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.1-正规方程法.md'
- 05.2 神经网络法: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.2-神经网络法.md'
- 05.3 样本特征数据标准化: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.3-样本特征数据标准化.md'
- 05.4 还原参数值: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.4-还原参数值.md'
- 05.5 正确的推理方法: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.5-正确的推理方法.md'
- 05.6 标准化标签值: './基础教程/A2-神经网络基本原理/第2步 - 线性回归/05.6-标准化标签值.md'
- 第三步、线性分类:
- 06 线性分类: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06 第三步 - 线性分类.md'
- 06. 线性二分类: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.0-多入单出单层神经网络-线性二分类.md'
- 06.1 二分类函数: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.1-二分类函数.md'
- 06.2 线性二分类实现: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.2-线性二分类实现.md'
- 06.3 线性二分类的工作原理: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.3-线性二分类的工作原理.md'
- 06.4 线性二分类结果可视化: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.4-线性二分类结果可视化.md'
- 06.5 实现逻辑与或非门: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.5-实现逻辑与或非门.md'
- 06.6 用双曲正切函数分类: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/06.6-用双曲正切函数分类.md'
- 07.0 线性多分类: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/07.0-多入多出单层神经网络-线性多分类.md'
- 07.1 多分类函数: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/07.1-多分类函数.md'
- 07.2 线性多分类实现: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/07.2-线性多分类实现.md'
- 07.3 线性多分类的工作原理: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/07.3-线性多分类的工作原理.md'
- 07.4 线性多分类结果可视化: './基础教程/A2-神经网络基本原理/第3步 - 线性分类/07.4-线性多分类结果可视化.md'
- 第四步、非线性回归:
- 08 非线性回归: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/08 第四步 - 非线性回归.md'
- 08.0 激活函数: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/08.0-激活函数.md'
- 08.1 挤压型激活函数: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/08.1-挤压型激活函数.md'
- 08.2 半线性激活函数: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/08.2-半线性激活函数.md'
- 09.0 非线性回归: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.0-单入单出双层-非线性回归.md'
- 09.1 多项式回归法拟合正弦曲线: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.1-多项式回归法拟合正弦曲线.md'
- 09.2 多项式回归法拟合复合函数曲线: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.2-多项式回归法拟合复合函数曲线.md'
- 09.3 验证与测试: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.3-验证与测试.md'
- 09.4 神经网络非线性回归的实现: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.4-神经网络非线性回归的实现.md'
- 09.5 曲线拟合: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.5-曲线拟合.md'
- 09.6 非线性回归的工作原理: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.6-非线性回归的工作原理.md'
- 09.7 参数调优初步: './基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.7-参数调优初步.md'
- 第五步、非线性分类:
- 10 非线性分类: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10 第五步 - 非线性分类.md'
- 10.0 非线性二分类: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.0-多入单出双层-非线性二分类.md'
- 10.1 为什么必须用双层神经网络: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.1-为什么必须用双层神经网络.md'
- 10.2 非线性二分类实现: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.2-非线性二分类实现.md'
- 10.3 实现逻辑异或门: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.3-实现逻辑异或门.md'
- 10.4 逻辑异或门的工作原理: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.4-逻辑异或门的工作原理.md'
- 10.5 实现双弧形二分类: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.5-实现双弧形二分类.md'
- 10.6 双弧形二分类的工作原理: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/10.6-双弧形二分类的工作原理.md'
- 11.0 非线性多分类: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/11.0-多入多出双层-非线性多分类.md'
- 11.1 非线性多分类实现: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/11.1-非线性多分类实现.md'
- 11.2 非线性多分类的工作原理: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/11.2-非线性多分类的工作原理.md'
- 11.3 分类样本不平衡问题: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/11.3-分类样本不平衡问题.md'
- 12.0 多变量非线性分类: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/12.0-多入多出三层-多变量非线性分类.md'
- 12.1 三层神经网络的实现: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/12.1-三层神经网络的实现.md'
- 12.2 梯度检查: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/12.2-梯度检查.md'
- 12.3 学习率与批大小: './基础教程/A2-神经网络基本原理/第5步 - 非线性分类/12.3-学习率与批大小.md'
- 第六步、模型部署:
- 13 模型的推理与部署: './基础教程/A2-神经网络基本原理/第6步 - 模型部署/13 第六步 - 模型的推理与部署.md'
- 13.0 手工测试训练效果: './基础教程/A2-神经网络基本原理/第6步 - 模型部署/13.0-手工测试训练效果.md'
- 13.1 模型文件概述: './基础教程/A2-神经网络基本原理/第6步 - 模型部署/13.1-模型文件概述.md'
- 13.2 ONNX模型文件: './基础教程/A2-神经网络基本原理/第6步 - 模型部署/13.2-ONNX模型文件.md'
- 13.3 Windows中模型的部署: './基础教程/A2-神经网络基本原理/第6步 - 模型部署/13.3-Windows中模型的部署.md'
- 第七步、深度神经网络:
- 14 深度神经网络: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14 第七步 - 深度神经网络.md'
- 14.0 搭建深度神经网络框架: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.0-搭建深度神经网络框架.md'
- 14.1 回归任务功能测试: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.1-回归任务功能测试.md'
- 14.2 回归任务真实案例: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.2-回归任务真实案例.md'
- 14.3 二分类任务功能测试: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.3-二分类任务功能测试.md'
- 14.4 二分类任务真实案例: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.4-二分类任务真实案例.md'
- 14.5 多分类任务功能测试: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.5-多分类任务功能测试.md'
- 14.6多分类任务真实案例: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/14.6-多分类任务真实案例.md'
- 15.0 网络优化: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.0-网络优化.md'
- 15.1 权重矩阵初始化: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.1-权重矩阵初始化.md'
- 15.2 梯度下降优化算法: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.2-梯度下降优化算法.md'
- 15.3 自适应学习率算法: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.3-自适应学习率算法.md'
- 15.4 算法效果比较: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.4-算法效果比较.md'
- 15.5 批量归一化的原理: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.5-批量归一化的原理.md'
- 15.6 批量归一化的实现: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/15.6-批量归一化的实现.md'
- 16.0 正则化: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.0-正则化.md'
- 16.1 偏差与方差: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.1-偏差与方差.md'
- 16.2 L2正则: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.2-L2正则.md'
- 16.3 L1正则: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.3-L1正则.md'
- 16.4 早停法: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.4-早停法.md'
- 16.5 丢弃法: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.5-丢弃法.md'
- 16.6 数据扩展: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.6-数据扩展.md'
- 16.7 集成学习: './基础教程/A2-神经网络基本原理/第7步 - 深度神经网络/16.7-集成学习.md'
- 第八步、卷积神经网络:
- 17 卷积神经网络: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17 第八步 - 卷积神经网络.md'
- 17.0 卷积神经网络原理: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17.0-卷积神经网络原理.md'
- 17.1 卷积的前向计算原理: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17.1-卷积的前向计算原理.md'
- 17.2 卷积前向计算代码实现: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17.2-卷积前向计算代码实现.md'
- 17.3 卷积的反向传播原理: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17.3-卷积的反向传播原理.md'
- 17.4 卷积反向传播代码实现: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17.4-卷积反向传播代码实现.md'
- 17.5 池化的前向计算与反向传播: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/17.5-池化的前向计算与反向传播.md'
- 18.0 经典卷积神经网络模型: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.0-经典卷积神经网络模型.md'
- 18.1 实现颜色分类: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.1-实现颜色分类.md'
- 18.2 实现几何图形分类: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.2-实现几何图形分类.md'
- 18.3 实现几何图形及颜色分类: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.3-实现几何图形及颜色分类.md'
- 18.4 MNIST分类: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.4-MNIST分类.md'
- 18.5 Fashion-MNIST分类: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.5-Fashion-MNIST分类.md'
- 18.6 Cifar-10分类: './基础教程/A2-神经网络基本原理/第8步 - 卷积神经网络/18.6-Cifar-10分类.md'
- 第九步、循环神经网络:
- 19 循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19 第九步 - 循环神经网络.md'
- 19.0 普通循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.0-普通循环神经网络.md'
- 19.1 两个时间步的循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.1-两个时间步的循环神经网络.md'
- 19.2 四个时间步的循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.2-四个时间步的循环神经网络.md'
- 19.3 通用的循环神经网络模型: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.3-通用的循环神经网络模型.md'
- 19.4 空气质量预测: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.4-空气质量预测.md'
- 19.5 不定长时序的循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.5-不定长时序的循环神经网络.md'
- 19.6 深度循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.6-深度循环神经网络.md'
- 19.7 双向循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/19.7-双向循环神经网络.md'
- 20.0 高级循环神经网络: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/20.0-高级循环神经网络.md'
- 20.1 LSTM基本原理: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/20.1-LSTM基本原理.md'
- 20.2 LSTM代码实现: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/20.2-LSTM代码实现.md'
- 20.3 GRU基本原理: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/20.3-GRU基本原理.md'
- 20.4 序列到序列: './基础教程/A2-神经网络基本原理/第9步 - 循环神经网络/20.4-序列到序列.md'
- 现代软件工程:
- 本课介绍: "./基础教程/A5-现代软件工程（更新中）/README.md"
- 一、架构之路:
- 1.封面: './基础教程/A5-现代软件工程（更新中）/第0部分 架构之路/0.0 封面.md'
- 二、概论:
- 1.课程介绍: './基础教程/A5-现代软件工程（更新中）/第1部分 概论/1-课程介绍.md'
- 2.木头与软件工程的故事: './基础教程/A5-现代软件工程（更新中）/第1部分 概论/1.1 木头与软件工程的故事.md'
- 3.故事分析: './基础教程/A5-现代软件工程（更新中）/第1部分 概论/1.2 故事分析.md'
- 4.什么是软件工程: './基础教程/A5-现代软件工程（更新中）/第1部分 概论/1.3 什么是软件工程.md'
- 5.软件工程领域知识: './基础教程/A5-现代软件工程（更新中）/第1部分 概论/1.4 软件工程领域知识.md'
- 6.软件工程在微软: './基础教程/A5-现代软件工程（更新中）/第1部分 概论/1.5 软件工程在微软.md'
- 三、用户与需求:
- 1.个人能力: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/3. 个人能力.md'
- 2.木头与微软面试的故事: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/3.1 木头与微软面试的故事.md'
- 3.故事分析: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/3.2 故事分析.md'
- 4.微软的软件工程师: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/3.3 微软的软件工程师.md'
- 5.团队流程: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/4. 团队流程.md'
- 6.木头与团队合作的故事: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/4.1 木头与团队合作的故事.md'
- 7.故事分析: './基础教程/A5-现代软件工程（更新中）/第2部分 个人与团队/4.2 故事分析.md'
- 人工智能系统:
- 本课介绍: "./基础教程/A6-人工智能系统/README.md"
- 课程目录: "./基础教程/A6-人工智能系统/Lectures/README.md"
- 实验:
- 1. 框架及工具入门示例: "./基础教程/A6-人工智能系统/Labs/BasicLabs/Lab1/README.md"
- 2. 定制一个新的张量运算: "./基础教程/A6-人工智能系统/Labs/BasicLabs/Lab2/README.md"
- 3. CUDA实现和优化: "./基础教程/A6-人工智能系统/Labs/BasicLabs/Lab3/README.md"
- 4 AllReduce的实现和优化: "./基础教程/A6-人工智能系统/Labs/BasicLabs/Lab4/README.md"
- 5. 配置Container进行云上训练或推理: "./基础教程/A6-人工智能系统/Labs/BasicLabs/Lab5/README.md"
- 6. 学习使用调度管理系统: "./基础教程/A6-人工智能系统/Labs/AdvancedLabs/Lab6/README.md"
- 7. 分布式训练任务练习: "./基础教程/A6-人工智能系统/Labs/AdvancedLabs/Lab7/README.md"
- 8 自动机器学习系统练习: "./基础教程/A6-人工智能系统/Labs/AdvancedLabs/Lab8/README.md"
- 9 强化学习系统练习: "./基础教程/A6-人工智能系统/Labs/AdvancedLabs/Lab9/README.md"
- 实践案例:
- 本页介绍: './实践案例/README.md'
- 1.漫画翻译: './实践案例/B01-漫画翻译/README.md'
- 2.问答系统和对话机器人服务: './实践案例/B02-问答系统和对话机器人服务/README.md'
- 3.看图识熊: './实践案例/B03-看图识熊/README.md'
- 4.智能家居: './实践案例/B04-智能家居/README.md'
- 5.文本朗读应用: './实践案例/B05-文本朗读应用/README.md'
- 6.搭建中间服务层: './实践案例/B06-搭建中间服务层/README.md'
- 7.手写数字识别: './实践案例/B07-手写数字识别/README.md'
- 8.黄金点游戏: './实践案例/B08-黄金点游戏/README.md'
- 9.手写算式计算器: './实践案例/B09-手写算式计算器/README.md'
- 10.机器学习平台建设: './实践案例/B10-机器学习平台建设/README.md'
- 11.量化交易案例: './实践案例/B11-量化交易案例/README.md'
- 12.基于近邻图的向量搜索案例: './实践案例/B12-基于近邻图的向量搜索案例/README.md'
- 13.AI对联生成案例: './实践案例/B13-AI对联生成案例/README.md'
- 14.快速构建中文文本蕴含深度学习模型: './实践案例/B14-快速构建中文文本蕴含深度学习模型/README.md'
- 15.基于深度学习的代码搜索案例: './实践案例/B15-基于深度学习的代码搜索案例/README.md'
- 16.基于LightGBM的时间序列预测: './实践案例/B16-基于LightGBM的时间序列预测/README.md'
- 最新动态: 'News.md'
- 关于我们:
- 'about.md'
- License: 'LICENSE.md'
# Extra CSS
# Extra javascript
extra_javascript:
- javascripts/config.js
- https://cdnjs.cloudflare.com/ajax/libs/babel-polyfill/7.12.1/polyfill.min.js
- https://cdnjs.cloudflare.com/ajax/libs/mathjax/3.2.0/es5/tex-chtml.min.js
# Extensions
markdown_extensions:
- abbr
- admonition
- attr_list
- def_list
- meta
- footnotes
- toc:
permalink: ⚓︎
toc_depth: 3
- pymdownx.arithmatex
- pymdownx.betterem:
smart_enable: all
- pymdownx.caret
- pymdownx.mark
- pymdownx.tilde
- pymdownx.emoji:
emoji_index: !!python/name:materialx.emoji.twemoji
emoji_generator: !!python/name:materialx.emoji.to_svg
- pymdownx.details
- pymdownx.keys
- pymdownx.highlight:
linenums: true
linenums_style: pymdownx-inline
- pymdownx.smartsymbols
- pymdownx.snippets
- pymdownx.superfences
- pymdownx.tabbed
- pymdownx.tasklist:
custom_checkbox: true