动手学深度学习
课程介绍课程方针
介绍深度学习经典模型和最新模型：LeNet、ResNet、LSTM、BERT。。。
机器学习基础：损掉函数、方针函数、过拟合、优化
实践：使用pytorch实现介绍的常识点；在真实数据上体验算法效果
课程内容
深度学习基础：线性神经网络、多层感知机
卷积神经网络：LeNet、AlexNet、VGG、Inception、ResNet
循环神经网络：RNN、GRU、LSTM、seq2seq
注意力机制：Attention、Transformer
优化算法：SGD、Momentum、Adam
高性能计算：并行、多GPU、分布式
计算机视觉：方针检测、语义分割
自然语言措置：词嵌入、BERT
课程资源
课程主页：https://courses.d2l.ai/zh-v2
教材：《动手学深度学习》 - 动手学深度学习 2.0.0-beta0 documentation
课程论坛讨论：中文版
Pytorch论坛：PyTorch Forums
页:
[1]