README_zh.md

《动手学深度学习》 Keras 实现

• 原项目地址： https://github.com/d2l-ai/d2l-zh
• 英文版地址： https://github.com/d2l-ai/d2l-en

说明:

1. 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
2. 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
3. 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
4. 为了方便Jupyter显示训练动态，我使用了livelossplot库
5. 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。

目录:

第二章 预备知识

• 2.2 数据操作
• 2.3 自动求梯度

第三章 深度学习基础

• 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

第四章 深度学习计算

• 4.1 模型构造
• 4.2 模型参数访问、初始化和共享
• 4.3 模型延后初始化
• 4.4 自定义层
• 4.5 读取和存储
• 4.6 GPU计算

第五章 卷积神经网络

• 5.5 Lenet
• 5.6 Alexnet
• 5.7 VGG
• 5.8 Network In Network
• 5.9 GoogleNet
• 5.11 Resnet
• 5.12 Densenet

第六章 循环神经网络

• 6.3 语言模型数据集
• 6.4 循环神经网络 RNN
• 6.7 门控循环单元 GRU
• 6.8 长短期记忆网络 LSTM

第七章 优化算法

• 7.1 优化与深度学习
• 7.2 梯度下降和随机梯度下降
• 7.4 动量法
• 7.5 Adagrad算法
• 7.6 Rmsprop算法

第九章 计算机视觉

• 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

第十章 自然语言处理

• 10.3 Word2vec的实现
• 更新中...

英文版引用

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}
}