李沐-动手学深度学习V2

📁 资源目录结构内容 (10.81 GB)

• 1. 包含文件：00预告
• 2. 000pdf+src
• 3. 01课程安排
• 4. 02深度学习介绍
• 5. 03安装
• 6. 04数据操作+数据预处理
• 7. 05线性代数
• 8. 06矩阵计算
• 9. 07自动求导
• 10. 08线性回归+基础优化算法
• 11. 09Softmax回归+损失函数+图片分类数据集
• 12. 09AWindows下安装CUDA和Pytorch跑深度学习
• 13. 09B使用AWS最便宜的GPU实例
• 14. 10多层感知机+代码实现
• 15. 10行代码战胜90%数据科学家
• 16. 11模型选择+过拟合和欠拟合
• 17. 12权重衰退
• 18. 13丢弃法
• 19. 14数值稳定性+模型初始化和激活函数
• 20. 15实战：Kaggle房价预测+课程竞赛：加州2020年房价预测
• 21. 16PyTorch神经网络基础
• 22. 17使用和购买GPU
• 23. 18预测房价竞赛总结
• 24. 19卷积层
• 25. 20卷积层里的填充和步幅
• 26. 21卷积层里的多输入多输出通道
• 27. 22池化层
• 28. 23经典卷积神经网络LeNet
• 29. 24深度卷积神经网络AlexNet
• 30. 25使用块的网络VGG
• 31. 26网络中的网络NiN
• 32. 27含并行连结的网络GoogLeNetInceptionV3
• 33. 28批量归一化
• 34. 29残差网络ResNet
• 35. 29.2ResNet为什么能训练出1000层的模型
• 36. 30第二部分完结竞赛：图片分类
• 37. 31深度学习硬件：CPU和GPU
• 38. 32深度学习硬件：TPU和其他
• 39. 33单机多卡并行
• 40. 34多GPU训练实现
• 41. 35分布式训练
• 42. 36数据增广
• 43. 37微调
• 44. 38第二次竞赛树叶分类结果
• 45. 39实战Kaggle比赛：图像分类（CIFAR-10）
• 46. 40实战Kaggle比赛：狗的品种识别（ImageNetDogs）
• 47. 41物体检测和数据集
• 48. 42锚框
• 49. 43树叶分类竞赛技术总结
• 50. 44物体检测算法：R-CNN，SSD，YOLO