Deep-Learning

项目介绍

此项目是对深度学习内容的梳理，包括深度学习的基础内容以及深度学习中的常见模型，以及深度学习中的常用技巧以及模型部署。

目录

深度学习基础
深度学习模型
- 神经网络(Neural Network)
  - 线性回归
  - 非线性回归
  - 线性分类
  - 非线性分类
  - 深度神经网络(DNN)
- 卷积神经网络(CNN)
  - 基本概念
  - 单通道与多通道卷积
  - 各种卷积操作
  - 卷积整体流程
  - CNN的应用
- 循环神经网络(RNN)
  - 普通循环神经网络
  - 长短期记忆(LSTM)
  - 门控制循环单元(GRU)
  - 循环神经网络的应用
- 序列到序列模型(seq2seq)
- 注意力机制(Attention Mechanism)
图神经网络
- 推荐资源
深度学习Tips
- 权重矩阵初始化
- 梯度下降优化算法
- 学习率调整
- 批量归一化(Batch Normalization)
- 过拟合处理方法
  - 正则化
  - 早停法(Early Stopping)
  - 丢弃法(Dropout)
  - 数据增强
  - 集成学习(Ensemble Learning)
模型部署
参考文献

推荐阅读

{% embed url="https://github.com/microsoft/ai-edu" %}

{% embed url="https://nndl.github.io/" %}

{% embed url="https://book.douban.com/subject/27087503/" %}

{% embed url="https://blog.csdn.net/malefactor/article/details/82051716" %}