GitHub的开源项目：深度学习500问

Posted 2021-04-19 程序IT圈

重磅干货，第一时间送达

最近在 github 发现了一个有趣的项目，《深度学习500问》，由川大一名优秀毕业生创建。这是一个整合 AI 相关知识的项目，通过广大网友的集思广益, 形成内容充实，覆盖全面的 AI 相关知识文集。

https://github.com/scutan90/DeepLearning-500-questions

目前，全书有近 30 万字，初步分为 18 个章节。这 18 个章节涉及到深度学习的各个方面：

深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。

▌第一章：数学基础

这部分内容可能和大家以往看到的数学理论知识书籍不太一样，这里作者并没有讲解那些知识点，而是帮大家总结整理了知识点间的关系，比如：张量与矩阵的区别，奇异值与特征值的关系，常见概率分布（涵盖12 种分布；通过分析每种分布的密度函数、数学期望、方差、特征函数等方面进行对比）等等。

▌第二章：机器学习

机器学习涉及的知识非常的多，作者在这里为大家讲解了常见的算法及它们各自的优缺点，如何根据数据类型来选择模型，如何选择函数，以及不同方法（如：降维方法 LDA、PCA）的优缺点。

▌第三章：深度学习

从数学基础到机器学习，接下来就是深度学习了。神经网络、前向传播、反向传播、激活函数、超参数、如何应用 Sofxmax、调节 Batch-Size 、归一化、Dropout 这些问题作者已经都为大家准备好了。

▌第四至六章：经典网络、CNN、RNN

第四章主要是LetNet、AlexNet、ZFNe、VGG、GoogleNet、Inception 等经典网络模型结构、模型特点的解读。第五章则详细讲解了 CNN 网络的各组成层、卷积核、步长等基础知识，还有图解 12 种不同类型的 2D 卷积，以及 2D 卷积与3D 卷积的不同之处；第六章为大家讲解RNN 的特点、拓展和改进的网络和在 NLP 中的典型应用。

有了这样的讲解，还担心自己搞不懂这些网路吗？

▌第七至十五章

第七、八章主要介绍目标检测、图像分割等技术的运用；第九、十章将带领大家了解这两年大热的强化学习与迁移学习；目前第十一、十二章内容，作者还没有更新；第十三、十四、十五章则从优化算法、超参数调整、正则化内容出发，教你如何更好地训练模型。

你可能还喜欢

长按加入T圈，接触人工智能

觉得内容还不错的话，给我点个“在看”呗