以实战的方式学习《深度网络架构 》pdf

本文为大家带来了加泰罗尼亚理工大学的Santlago同学分享的深度网络架构slides,其中详细描述了各种常见的网络架构,并为每种网络附带了一份pytorch实现的代码,相信对初学者理解网络模型有非常大的帮助。

下载地址:
链接: https://pan.baidu.com/s/1z0609mfKi5kv0xhMDXZoBA 提取码: viea

PyTorch的前身是Torch,其底层和Torch框架一样,但是使用Python重新写了很多内容,不仅更加灵活,支持动态图,而且提供了Python接口。它是由Torch7团队开发,是一个以Python优先的深度学习框架,不仅能够实现强大的GPU加速,同时还支持动态神经网络,这是很多主流深度学习框架比如Tensorflow等都不支持的。

官网:https://docs.google.com/presentation/d/1MFhet5q-SIPqc_54CXWiBvlT9OdSi6P8kpkm6IxuyEM/edit#slide=id.g522eca1928_0_11

二、主要内容

在深度模型的学习过程中,通常要求学习者真正的理解模型,并且能够独自实现它们。在本篇文章中,作者尝试在最短期间内,帮助初学者抹平理论与实践之间的间隔(通过PyTorch代码片段来加固理论理解)。

下面是主要目录

  1. 基本体系结构
  2. 完全连接层
  3. 循环层
  4. 卷积层
  5. 先进的神经网络架构
  6. 混合CNN/RNN = QRNN
  7. Auto-Encoders
  8. 深度分类器/回归器
  9. 残差连接/跳过连接,U-Net和SEGAN
  10. 生成对抗网络(DCGAN)
  11. 总结

发表评论

电子邮件地址不会被公开。 必填项已用*标注