一本深度学习的好书Dive into Deep Learning(中英文)

该书的英文名字是Dive into Deep Learning,中文名是动手学深度学习。这是一本面向中文读者的能运行、可讨论的深度学习教科书。而且中英文对照,还能学习英文、准确理解各种概念名词。

动手学深度学习,有相应的Github代码仓库和自己的Discourse学习社区,大家在一起可以交流学习心得。另外,这本书的每一小节都是可以用Jupyter记事本进行编辑和运行,具有很强的学习交互性,令人印象深刻。

该书作者是Aston Zhang、Zack C. Lipton、Mu Li、Alex J. Smola,这四位都是名校的计算机科学博士,也都是Amazon公司的科学家。

其中的两位中国作者,Aston Zhang(阿斯顿·张)和Mu Li(李沐),曾每周末在线免费讲授"动⼿学深度学习",而这本书正是从他们的讲义发展而来。

Dive into Deep Learning还将被⽤作加州⼤学伯克利分校2019年春季学期的"Introduction to Deep Learning"课程的教材,相关教学资源如课件、视频、习题,以及⽤于课堂教学的免费计算资源的申请⽅法,都将会在⽹站zh.d2l.ai上发布。

向同学们推荐这本书,很好,真好。

英文网址,Dive into Deep Learning:
http://d2l.ai/

中文网址,动手学深度学习:
https://zh.d2l.ai/

动手学深度学习的目录

引言
    前言
    深度学习简介
    如何使用本书
预备知识
    获取和运行本书代码
    数据操作
    自动求梯度
    查阅文档
深度学习基础
    线性回归
    线性回归的从零开始实现
    线性回归的简洁实现
    Softmax 回归
    图像分类数据集(Fashion-MNIST)
    Softmax回归的从零开始实现
    Softmax 回归的简洁实现
    多层感知机
    多层感知机的从零开始实现
    多层感知机的简洁实现
    模型选择、欠拟合和过拟合
    权重衰减
    丢弃法
    正向传播、反向传播和计算图
    数值稳定性和模型初始化
    实战Kaggle比赛:房价预测
深度学习计算
    模型构造
    模型参数的访问、初始化和共享
    模型参数的延后初始化
    自定义层
    读取和存储
    GPU 计算
卷积神经网络
    二维卷积层
    填充和步幅
    多输入通道和多输出通道
    池化层
    卷积神经网络(LeNet)
    深度卷积神经网络(AlexNet)
    使用重复元素的网络(VGG)
    网络中的网络(NiN)
    含并行连结的网络(GoogLeNet)
    批量归一化
    残差网络(ResNet)
    稠密连接网络(DenseNet)
循环神经网络
    语言模型
    循环神经网络
    语言模型数据集(周杰伦专辑歌词)
    循环神经网络的从零开始实现
    循环神经网络的简洁实现
    通过时间反向传播
    门控循环单元(GRU)
    长短期记忆(LSTM)
    深度循环神经网络
    双向循环神经网络
优化算法
    优化与深度学习
    梯度下降和随机梯度下降
    小批量随机梯度下降
    动量法
    Adagrad
    RMSProp
    Adadelta
    Adam
计算性能
    命令式和符号式混合编程
    异步计算
    自动并行计算
    多GPU计算
    多GPU计算的简洁实现
计算机视觉
    图像增广
    微调
    目标检测和边界框
    锚框
    多尺度目标检测
    目标检测数据集(皮卡丘)
    单发多框检测(SSD)
    区域卷积神经网络(R-CNN)系列
    语义分割和数据集
    全卷积网络(FCN)
    样式迁移
    实战Kaggle比赛:图像分类(CIFAR-10)
    实战Kaggle比赛:狗的品种识别 (ImageNet Dogs)
自然语言处理
    词嵌入(word2vec)
    近似训练
    Word2vec的实现
    子词嵌入(fastText)
    全局向量的词嵌入(GloVe)
    求近义词和类比词
    文本情感分类:使用循环神经网络
    文本情感分类:使用卷积神经网络(textCNN)
    编码器—解码器(seq2seq)
    束搜索
    注意力机制
    机器翻译
附录
    主要符号一览
    数学基础
    使用 Jupyter 记事本
    使用 AWS 运行代码
    GPU 购买指南
    如何为本书贡献
    d2lzh包索引
登录注册后才能评论。