全新版本,李沐《脱手学深度深造》TF2.0版原来了 - 摩臣2

当前位置:摩臣2 > 摩臣平台登录 > 正文

全新版本,李沐《脱手学深度深造》TF2.0版原来了
时间:2019-12-20   作者:admin  点击数:

2.2 数据操纵

还记得李沐教员的《脱手学深度深造》吗?即日,该书的 TF2.0 代码复现项目来了。

参预:一鸣

详细而言,你必要首先安置 docify-cli 工具:

代码展现

项目地址:https://github.com/TrickyGo/Dive-into-DL-TensorFlow2.0

2.3 自动求梯度

从网页来看,今朝的确更新到了第五章,可是思量到这是一个小团队做的代码重构事项,能完成这么多实属不易。

TF2.0 版的《脱手学》怎么样

书籍内容展现

然后可以运转一个本地处事器,你可以在欣赏器中输入 http://localhost:3000,然后就可以实时访谒文档并查看衬着结果了。

git clonehttps://github.com/TrickyGo/Dive-into-DL-TensorFlow2.0

UC 伯克利李沐的《脱手学深度深造》开源书一经推出便广受好评。很多开发者应用了书的内容,并授与各类千般的深度深造框架将其复现。据板滞之心所知,此刻已有 MXnet(原版)和 PyTorch 版本。

全书目录

2.4 查阅文档

以「构建 MLP 收集」为例,作者供给了最 Python 的复现要领——为模型定义一个类,并担任 tf.keras.Model 的基类。在 TF2.0 的代码中,这是一种较为稳妥的要领。

本项目包孕 code 和 doc 两个文件夹。其中 code 糊口生涯生活了 Jupyter 名目的代码,而 doc 则是 md 名目的书籍文件。因为原书应用的是 MXnet,是以代码和文本略有差别。

项目作者暗示,该项目是基于中文版的书举办的更新和重构,在代码上参考了 PyTorch 版本。今朝该项目已更新到第五章,仍在接连更新。

板滞之心清算

npmi docsify-cli -g

和之前板滞之心先容过的一样,摩臣平台登录这里供给全书目录,供读者参考。

板滞之心「SOTA模型」 :22年夜规模、127个义务,板滞深造 SOTA 研讨一扫而光。

开展全文 简介 阅读指南 1. 深度深造简介 2. 预备常识 3. 深度深造基本 3.1 线性回归 3.2 线性回归的从零起头完成 3.3 线性回归的简捷完成 3.4 softmax回归 3.5 图像分类数据集(Fashion-MNIST) 3.6 softmax回归的从零起头完成 3.7 softmax回归的简捷完成 3.8 多层感知机 3.9 多层感知机的从零起头完成 3.10 多层感知机的简捷完成 3.11 模型选择、欠拟合和过拟合 3.12 权重衰减 3.13 扬弃法 3.14 正向传播、反向传播和计较图 3.15 数值不变性和模型初始化 3.16 实战Kaggle竞赛:房价展望 4. 深度深造计较 4.1 模型布局 4.2 模型参数的访谒、初始化和共享 4.3 模型参数的延后初始化 4.4 自定义层 4.5 读取和存储 4.6 GPU计较 5. 卷积神经收集 5.1 二维卷积层 5.2 添补和步幅 5.3 多输入通道和多输入通道 5.4 池化层 5.5 卷积神经收集(LeNet) 5.6 深度卷积神经收集(AlexNet) 5.7 应用一再元素的收集(VGG) 5.8 收集中的收集(NiN) 5.9 含并行连结的收集(GoogLeNet) 5.10 批量归一化 5.11 残差收集(ResNet) 5.12 粘稠毗邻收集(DenseNet) 6. 轮回神经收集 6.1 说话模型 6.2 轮回神经收集 6.3 说话模型数据集(周杰伦专辑歌词) 6.4 轮回神经收集的从零起头完成 6.5 轮回神经收集的简捷完成 6.6 经由过程时期反向传播 6.7 门控轮回单元(GRU) 6.8 诟谇期影象(LSTM) 6.9 深度轮回神经收集 6.10 双向轮回神经收集 7. 优化算法 7.1 优化与深度深造 7.2 梯度下降和随机梯度下降 7.3 小批量随机梯度下降 7.4 动量法 7.5 AdaGrad算法 7.6 RMSProp算法 7.7 AdaDelta算法 7.8 Adam算法 8. 计较机能 8.1 呼吁式和标记式殽杂编程 8.2 异步计较 8.3 自动并行计较 8.4 多GPU计较 9. 计较机视觉 9.1 图像增广 9.2 微调 9.3 方针检测和界线框 9.4 锚框 9.5 多尺度方针检测 9.6 方针检测数据集(皮卡丘) 待更新... 10. 自然说话措置赏罚赏罚 10.1 词嵌入(word2vec) 10.2 相似训练 10.3 word2vec的完成 10.4 子词嵌入(fastText) 10.5 全局向量的词嵌入(GloVe) 10.6 求近义词和类比词 10.7 文本激情分类:应用轮回神经收集 10.8 文本激情分类:应用卷积神经收集(textCNN) 10.9 编码器—解码器(seq2seq) 10.10 束搜索 10.11 认真力机制 10.12 板滞翻译

2.1 环境设置装备铺排

即日,《脱手学深度深造》书又有了一个新的复当代码版本——TensorFlow2.0 版。这一项目登上了 12 月 9 日的 GitHub 热榜,一天失去了百星。

2.4 查阅文档

作者在项目先容中供给了两种应用要领,你可以从网页上阅读全书和配套代码,并一步一步随着复现。诚然,另有另一种本地欣赏的要领。

在书中,代码和文本是交叉举办了,是以可以一边读书一边写代码复现,还可以随时随地搜检功效。

cdDive-into-DL-TensorFlow2.0

网页展现地址:https://trickygo.github.io/Dive-into-DL-TensorFlow2.0

2.1 环境设置装备铺排

还记得李沐教员的《脱手学深度深造》吗?即日,该书的 TF2.0 代码复现项目来了。

原问题:全新版本,李沐《脱手学深度深造》TF2.0版原来了

思量到 md 名目对公式的展现不太优越,作者应用 docsify (https://docsify.js.org/#/zh-cn/) 将文本转到了 GitHub pages 上,你可以像欣赏网页那样阅读全书。

docsifyserve docs

2.2 数据操纵

诚然,也有这样较为年夜略的实当代码。总之,代码很是简捷易懂。

接着将本项目 clone 到本地并进入目录:

2.3 自动求梯度

本项目首要两位作者来自北年夜软件和微电子学院。项目已失去李沐教员自己受权。

怎样应用这一项目

    热点文章

    最新发布

    友情链接