- Keras不支持动态图,所以有些部分代码是使用numpy或者tf2.0来写的
- 我没有拷贝整本书的内容过来,该项目仅有中文标题和keras实现的代码,可能还有一些笔记
- 由于中途TF2.0发布了,所以后续可能代码会转向使用tf.keras,毕竟他针对运行速度的优化实在太棒了
- 为了方便Jupyter显示训练动态,我使用了livelossplot库
- 建议从下方目录点开章节,因为用了nbviewer来渲染jupyter,避免了github经常渲染不了的问题。
- 3.2 线性回归
- 3.5 图像分类数据集(Fashion Mnist)
- 3.6 Softmax回归
- 3.9 多层感知器
- 3.11 模型选择、过拟合和欠拟合
- 3.12 权重衰减
- 3.13 丢弃法
- 3.16 实战Kaggle竞赛:房价预测
- 9.1 图像增广
- 9.2 微调
- 9.3 目标检测和边界框
- 9.4 锚框
- 9.5 多尺度目标检测
- 9.6 目标检测数据集
- 9.7 单发多框检测 SSD
- 9.8 区域卷积神经网络 RCNN系列
- 9.9 语意分割与数据集
- 9.10 全卷积网络 FCN
- 9.11 样式迁移
- 9.12 实战Kaggle竞赛: 图像分类 Cifar10
- 10.3 Word2vec的实现
- 更新中...
BibTeX entry:
@book{zhang2019dive,
title={Dive into Deep Learning},
author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
note={\url{http://www.d2l.ai}},
year={2019}
}