Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
大唐爆破僧
apachecn-dl-zh
提交
b4f0e5be
A
apachecn-dl-zh
项目概览
大唐爆破僧
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
apachecn-dl-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
b4f0e5be
编写于
1月 25, 2021
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2021-01-25 00:12:41
上级
1a9955dc
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
239 addition
and
99 deletion
+239
-99
SUMMARY.md
SUMMARY.md
+239
-99
未找到文件。
SUMMARY.md
浏览文件 @
b4f0e5be
...
...
@@ -19,15 +19,15 @@
+
[
十八、强化学习
](
docs/hands-on-ml-2e-zh/18.md
)
+
[
十九、规模化训练和部署 TensorFlow 模型
](
docs/hands-on-ml-2e-zh/19.md
)
+
[
PyTorch 自然语言处理
](
docs/nlp-pytorch-zh/README.md
)
+
[
一、基础介绍
](
docs/nlp-pytorch-zh/1.md
)
+
[
二、传统 NLP 快速回顾
](
docs/nlp-pytorch-zh/2.md
)
+
[
三、神经网络基础组件
](
docs/nlp-pytorch-zh/3.md
)
+
[
四、自然语言处理的前馈网络
](
docs/nlp-pytorch-zh/4.md
)
+
[
五、嵌入单词和类型
](
docs/nlp-pytorch-zh/5.md
)
+
[
六、自然语言处理的序列模型
](
docs/nlp-pytorch-zh/6.md
)
+
[
七、自然语言处理的进阶序列模型
](
docs/nlp-pytorch-zh/7.md
)
+
[
八、自然语言处理的高级序列模型
](
docs/nlp-pytorch-zh/8.md
)
+
[
九、经典, 前沿和后续步骤
](
docs/nlp-pytorch-zh/9.md
)
+
[
一、基础介绍
](
docs/nlp-pytorch-zh/1.md
)
+
[
二、传统 NLP 快速回顾
](
docs/nlp-pytorch-zh/2.md
)
+
[
三、神经网络基础组件
](
docs/nlp-pytorch-zh/3.md
)
+
[
四、自然语言处理的前馈网络
](
docs/nlp-pytorch-zh/4.md
)
+
[
五、嵌入单词和类型
](
docs/nlp-pytorch-zh/5.md
)
+
[
六、自然语言处理的序列模型
](
docs/nlp-pytorch-zh/6.md
)
+
[
七、自然语言处理的进阶序列模型
](
docs/nlp-pytorch-zh/7.md
)
+
[
八、自然语言处理的高级序列模型
](
docs/nlp-pytorch-zh/8.md
)
+
[
九、经典, 前沿和后续步骤
](
docs/nlp-pytorch-zh/9.md
)
+
[
TensorFlow 1.x 深度学习秘籍
](
docs/tf-1x-dl-cookbook/README.md
)
+
[
零、前言
](
docs/tf-1x-dl-cookbook/00.md
)
+
[
一、TensorFlow 简介
](
docs/tf-1x-dl-cookbook/01.md
)
...
...
@@ -44,6 +44,75 @@
+
[
十二、分布式 TensorFlow 和云深度学习
](
docs/tf-1x-dl-cookbook/12.md
)
+
[
十三、AutoML 和学习如何学习(元学习)
](
docs/tf-1x-dl-cookbook/13.md
)
+
[
十四、TensorFlow 处理单元
](
docs/tf-1x-dl-cookbook/14.md
)
+
[
PyTorch 中文官方教程 1.7
](
docs/pt-tut-17/README.md
)
+
[
学习 PyTorch
](
docs/pt-tut-17/01.md
)
+
[
PyTorch 深度学习:60 分钟的突击
](
docs/pt-tut-17/02.md
)
+
[
张量
](
docs/pt-tut-17/03.md
)
+
[
`torch.autograd`的简要介绍
](
docs/pt-tut-17/04.md
)
+
[
神经网络
](
docs/pt-tut-17/05.md
)
+
[
训练分类器
](
docs/pt-tut-17/06.md
)
+
[
通过示例学习 PyTorch
](
docs/pt-tut-17/07.md
)
+
[
热身:NumPy
](
docs/pt-tut-17/08.md
)
+
[
PyTorch:张量
](
docs/pt-tut-17/09.md
)
+
[
PyTorch:张量和 Autograd
](
docs/pt-tut-17/10.md
)
+
[
PyTorch:定义新的 Autograd 函数
](
docs/pt-tut-17/11.md
)
+
[
PyTorch:`nn`
](
docs/pt-tut-17/12.md
)
+
[
PyTorch:`optim`
](
docs/pt-tut-17/13.md
)
+
[
PyTorch:自定义`nn`模块
](
docs/pt-tut-17/14.md
)
+
[
PyTorch:控制流 + 权重共享
](
docs/pt-tut-17/15.md
)
+
[
`torch.nn`到底是什么?
](
docs/pt-tut-17/16.md
)
+
[
使用 TensorBoard 可视化模型,数据和训练
](
docs/pt-tut-17/17.md
)
+
[
图片/视频
](
docs/pt-tut-17/18.md
)
+
[
`torchvision`对象检测微调教程
](
docs/pt-tut-17/19.md
)
+
[
计算机视觉的迁移学习教程
](
docs/pt-tut-17/20.md
)
+
[
对抗示例生成
](
docs/pt-tut-17/21.md
)
+
[
DCGAN 教程
](
docs/pt-tut-17/22.md
)
+
[
音频
](
docs/pt-tut-17/23.md
)
+
[
音频 I/O 和`torchaudio`的预处理
](
docs/pt-tut-17/24.md
)
+
[
使用`torchaudio`的语音命令识别
](
docs/pt-tut-17/25.md
)
+
[
文本
](
docs/pt-tut-17/26.md
)
+
[
使用`nn.Transformer`和`torchtext`的序列到序列建模
](
docs/pt-tut-17/27.md
)
+
[
从零开始的 NLP:使用字符级 RNN 分类名称
](
docs/pt-tut-17/28.md
)
+
[
从零开始的 NLP:使用字符级 RNN 生成名称
](
docs/pt-tut-17/29.md
)
+
[
从零开始的 NLP:使用序列到序列网络和注意力的翻译
](
docs/pt-tut-17/30.md
)
+
[
使用`torchtext`的文本分类
](
docs/pt-tut-17/31.md
)
+
[
`torchtext`语言翻译
](
docs/pt-tut-17/32.md
)
+
[
强化学习
](
docs/pt-tut-17/33.md
)
+
[
强化学习(DQN)教程
](
docs/pt-tut-17/34.md
)
+
[
训练玩马里奥的 RL 智能体
](
docs/pt-tut-17/35.md
)
+
[
在生产中部署 PyTorch 模型
](
docs/pt-tut-17/36.md
)
+
[
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
](
docs/pt-tut-17/37.md
)
+
[
TorchScript 简介
](
docs/pt-tut-17/38.md
)
+
[
在 C++ 中加载 TorchScript 模型
](
docs/pt-tut-17/39.md
)
+
[
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它(可选)
](
docs/pt-tut-17/40.md
)
+
[
前端 API
](
docs/pt-tut-17/41.md
)
+
[
PyTorch 中的命名张量简介(原型)
](
docs/pt-tut-17/42.md
)
+
[
PyTorch 中通道在最后的内存格式(beta)
](
docs/pt-tut-17/43.md
)
+
[
使用 PyTorch C++ 前端
](
docs/pt-tut-17/44.md
)
+
[
自定义 C++ 和 CUDA 扩展
](
docs/pt-tut-17/45.md
)
+
[
使用自定义 C++ 运算符扩展 TorchScript
](
docs/pt-tut-17/46.md
)
+
[
使用自定义 C++ 类扩展 TorchScript
](
docs/pt-tut-17/47.md
)
+
[
TorchScript 中的动态并行性
](
docs/pt-tut-17/48.md
)
+
[
C++ 前端中的 Autograd
](
docs/pt-tut-17/49.md
)
+
[
在 C++ 中注册调度运算符
](
docs/pt-tut-17/50.md
)
+
[
模型优化
](
docs/pt-tut-17/51.md
)
+
[
分析您的 PyTorch 模块
](
docs/pt-tut-17/52.md
)
+
[
使用 Ray Tune 的超参数调整
](
docs/pt-tut-17/53.md
)
+
[
模型剪裁教程
](
docs/pt-tut-17/54.md
)
+
[
LSTM 单词语言模型上的动态量化(beta)
](
docs/pt-tut-17/55.md
)
+
[
BERT 上的动态量化(Beta)
](
docs/pt-tut-17/56.md
)
+
[
PyTorch 中使用 Eager 模式的静态量化(beta)
](
docs/pt-tut-17/57.md
)
+
[
计算机视觉的量化迁移学习教程(beta)
](
docs/pt-tut-17/58.md
)
+
[
并行和分布式训练
](
docs/pt-tut-17/59.md
)
+
[
PyTorch 分布式概述
](
docs/pt-tut-17/60.md
)
+
[
单机模型并行最佳实践
](
docs/pt-tut-17/61.md
)
+
[
分布式数据并行入门
](
docs/pt-tut-17/62.md
)
+
[
用 PyTorch 编写分布式应用
](
docs/pt-tut-17/63.md
)
+
[
分布式 RPC 框架入门
](
docs/pt-tut-17/64.md
)
+
[
使用分布式 RPC 框架实现参数服务器
](
docs/pt-tut-17/65.md
)
+
[
使用 RPC 的分布式管道并行化
](
docs/pt-tut-17/66.md
)
+
[
使用异步执行实现批量 RPC 处理
](
docs/pt-tut-17/67.md
)
+
[
将分布式`DataParallel`与分布式 RPC 框架相结合
](
docs/pt-tut-17/68.md
)
+
[
使用 TensorFlow 构建机器学习项目中文版
](
docs/build-ml-proj-tf-zh/README.md
)
+
[
一、探索和转换数据
](
docs/build-ml-proj-tf-zh/ch01.md
)
+
[
二、聚类
](
docs/build-ml-proj-tf-zh/ch02.md
)
...
...
@@ -376,98 +445,169 @@
+
[
(11) 概率图模型与软化增强学习
](
docs/ucb-cs294-112-notes-zh/11.md
)
+
[
(12) 逆增强学习
](
docs/ucb-cs294-112-notes-zh/12.md
)
+
[
TensorFlow 2 和 Keras 高级深度学习
](
docs/adv-dl-tf2-keras/README.md
)
+
[
零、前言
](
docs/adv-dl-tf2-keras/00.md
)
+
[
一、使用 Keras 入门高级深度学习
](
docs/adv-dl-tf2-keras/01.md
)
+
[
二、深度神经网络
](
docs/adv-dl-tf2-keras/02.md
)
+
[
三、自编码器
](
docs/adv-dl-tf2-keras/03.md
)
+
[
四、生成对抗网络(GAN)
](
docs/adv-dl-tf2-keras/04.md
)
+
[
五、改进的 GAN
](
docs/adv-dl-tf2-keras/05.md
)
+
[
六、纠缠表示 GAN
](
docs/adv-dl-tf2-keras/06.md
)
+
[
七、跨域 GAN
](
docs/adv-dl-tf2-keras/07.md
)
+
[
八、变分自编码器(VAE)
](
docs/adv-dl-tf2-keras/08.md
)
+
[
九、深度强化学习
](
docs/adv-dl-tf2-keras/09.md
)
+
[
十、策略梯度方法
](
docs/adv-dl-tf2-keras/10.md
)
+
[
十一、对象检测
](
docs/adv-dl-tf2-keras/11.md
)
+
[
十二、语义分割
](
docs/adv-dl-tf2-keras/12.md
)
+
[
十三、使用互信息的无监督学习
](
docs/adv-dl-tf2-keras/13.md
)
+
[
零、前言
](
docs/adv-dl-tf2-keras/00.md
)
+
[
一、使用 Keras 入门高级深度学习
](
docs/adv-dl-tf2-keras/01.md
)
+
[
二、深度神经网络
](
docs/adv-dl-tf2-keras/02.md
)
+
[
三、自编码器
](
docs/adv-dl-tf2-keras/03.md
)
+
[
四、生成对抗网络(GAN)
](
docs/adv-dl-tf2-keras/04.md
)
+
[
五、改进的 GAN
](
docs/adv-dl-tf2-keras/05.md
)
+
[
六、纠缠表示 GAN
](
docs/adv-dl-tf2-keras/06.md
)
+
[
七、跨域 GAN
](
docs/adv-dl-tf2-keras/07.md
)
+
[
八、变分自编码器(VAE)
](
docs/adv-dl-tf2-keras/08.md
)
+
[
九、深度强化学习
](
docs/adv-dl-tf2-keras/09.md
)
+
[
十、策略梯度方法
](
docs/adv-dl-tf2-keras/10.md
)
+
[
十一、对象检测
](
docs/adv-dl-tf2-keras/11.md
)
+
[
十二、语义分割
](
docs/adv-dl-tf2-keras/12.md
)
+
[
十三、使用互信息的无监督学习
](
docs/adv-dl-tf2-keras/13.md
)
+
[
GCP 上的人工智能实用指南
](
docs/handson-ai-gcp/README.md
)
+
[
零、前言
](
docs/handson-ai-gcp/00.md
)
+
[
第 1 节:Google Cloud Platform 的基础
](
docs/handson-ai-gcp/sec1.md
)
+
[
一、AI 和 GCP 概述
](
docs/handson-ai-gcp/01.md
)
+
[
二、使用 GCP 组件的计算和处理
](
docs/handson-ai-gcp/02.md
)
+
[
第 2 节:使用 Google Cloud Platform 的人工智能
](
docs/handson-ai-gcp/sec2.md
)
+
[
三、XGBoost 的机器学习应用
](
docs/handson-ai-gcp/03.md
)
+
[
四、使用 Cloud AutoML
](
docs/handson-ai-gcp/04.md
)
+
[
五、构建大数据云机器学习引擎
](
docs/handson-ai-gcp/05.md
)
+
[
六、使用 DialogFlow 的智能对话应用
](
docs/handson-ai-gcp/06.md
)
+
[
第 3 节:Google Cloud Platform 上的 TensorFlow
](
docs/handson-ai-gcp/sec3.md
)
+
[
七、了解云 TPU
](
docs/handson-ai-gcp/07.md
)
+
[
八、使用 Cloud ML Engine 实现 TensorFlow 模型
](
docs/handson-ai-gcp/08.md
)
+
[
九、构建预测应用
](
docs/handson-ai-gcp/09.md
)
+
[
第 4 节:构建应用和即将发布的功能
](
docs/handson-ai-gcp/sec4.md
)
+
[
十、构建一个 AI 应用
](
docs/handson-ai-gcp/10.md
)
+
[
零、前言
](
docs/handson-ai-gcp/00.md
)
+
[
第 1 节:Google Cloud Platform 的基础
](
docs/handson-ai-gcp/sec1.md
)
+
[
一、AI 和 GCP 概述
](
docs/handson-ai-gcp/01.md
)
+
[
二、使用 GCP 组件的计算和处理
](
docs/handson-ai-gcp/02.md
)
+
[
第 2 节:使用 Google Cloud Platform 的人工智能
](
docs/handson-ai-gcp/sec2.md
)
+
[
三、XGBoost 的机器学习应用
](
docs/handson-ai-gcp/03.md
)
+
[
四、使用 Cloud AutoML
](
docs/handson-ai-gcp/04.md
)
+
[
五、构建大数据云机器学习引擎
](
docs/handson-ai-gcp/05.md
)
+
[
六、使用 DialogFlow 的智能对话应用
](
docs/handson-ai-gcp/06.md
)
+
[
第 3 节:Google Cloud Platform 上的 TensorFlow
](
docs/handson-ai-gcp/sec3.md
)
+
[
七、了解云 TPU
](
docs/handson-ai-gcp/07.md
)
+
[
八、使用 Cloud ML Engine 实现 TensorFlow 模型
](
docs/handson-ai-gcp/08.md
)
+
[
九、构建预测应用
](
docs/handson-ai-gcp/09.md
)
+
[
第 4 节:构建应用和即将发布的功能
](
docs/handson-ai-gcp/sec4.md
)
+
[
十、构建一个 AI 应用
](
docs/handson-ai-gcp/10.md
)
+
[
Python 深度学习架构实用指南
](
docs/handson-dl-arch-py/README.md
)
+
[
零、前言
](
docs/handson-dl-arch-py/0.md
)
+
[
第 1 节:深度学习的元素
](
docs/handson-dl-arch-py/sec1.md
)
+
[
一、深度学习入门
](
docs/handson-dl-arch-py/1.md
)
+
[
二、深度前馈网络
](
docs/handson-dl-arch-py/2.md
)
+
[
三、受限玻尔兹曼机和自编码器
](
docs/handson-dl-arch-py/3.md
)
+
[
第 2 节:卷积神经网络
](
docs/handson-dl-arch-py/sec2.md
)
+
[
四、CNN 架构
](
docs/handson-dl-arch-py/4.md
)
+
[
五、移动神经网络和 CNN
](
docs/handson-dl-arch-py/5.md
)
+
[
第 3 节:序列建模
](
docs/handson-dl-arch-py/sec3.md
)
+
[
六、循环神经网络
](
docs/handson-dl-arch-py/6.md
)
+
[
第 4 节:生成对抗网络(GAN)
](
docs/handson-dl-arch-py/sec4.md
)
+
[
七、生成对抗网络
](
docs/handson-dl-arch-py/7.md
)
+
[
第 5 节:深度学习和高级人工智能的未来
](
docs/handson-dl-arch-py/sec5.md
)
+
[
八、深度学习的新趋势
](
docs/handson-dl-arch-py/8.md
)
+
[
零、前言
](
docs/handson-dl-arch-py/0.md
)
+
[
第 1 节:深度学习的元素
](
docs/handson-dl-arch-py/sec1.md
)
+
[
一、深度学习入门
](
docs/handson-dl-arch-py/1.md
)
+
[
二、深度前馈网络
](
docs/handson-dl-arch-py/2.md
)
+
[
三、受限玻尔兹曼机和自编码器
](
docs/handson-dl-arch-py/3.md
)
+
[
第 2 节:卷积神经网络
](
docs/handson-dl-arch-py/sec2.md
)
+
[
四、CNN 架构
](
docs/handson-dl-arch-py/4.md
)
+
[
五、移动神经网络和 CNN
](
docs/handson-dl-arch-py/5.md
)
+
[
第 3 节:序列建模
](
docs/handson-dl-arch-py/sec3.md
)
+
[
六、循环神经网络
](
docs/handson-dl-arch-py/6.md
)
+
[
第 4 节:生成对抗网络(GAN)
](
docs/handson-dl-arch-py/sec4.md
)
+
[
七、生成对抗网络
](
docs/handson-dl-arch-py/7.md
)
+
[
第 5 节:深度学习和高级人工智能的未来
](
docs/handson-dl-arch-py/sec5.md
)
+
[
八、深度学习的新趋势
](
docs/handson-dl-arch-py/8.md
)
+
[
Python Web 深度学习实用指南
](
docs/handson-py-dl-web/README.md
)
+
[
零、前言
](
docs/handson-py-dl-web/00.md
)
+
[
第 1 节:Web 人工智能
](
docs/handson-py-dl-web/sec1.md
)
+
[
一、揭秘人工智能和机器学习基础
](
docs/handson-py-dl-web/01.md
)
+
[
第 2 节:使用深度学习的 Web 开发
](
docs/handson-py-dl-web/sec2.md
)
+
[
二、使用 Python 入门深度学习
](
docs/handson-py-dl-web/02.md
)
+
[
三、创建您的第一个深度学习 Web 应用
](
docs/handson-py-dl-web/03.md
)
+
[
四、TensorFlow.js 入门
](
docs/handson-py-dl-web/04.md
)
+
[
第 3 节:用于 Web 开发的不同深度学习 API 入门
](
docs/handson-py-dl-web/sec3.md
)
+
[
五、通过 API 进行深度学习
](
docs/handson-py-dl-web/05.md
)
+
[
六、Google Cloud Platform 上的 Python 深度学习
](
docs/handson-py-dl-web/06.md
)
+
[
七、AWS 上的 Python DL:对象检测和家庭自动化
](
docs/handson-py-dl-web/07.md
)
+
[
八、Microsoft Azure 上的 Python 深度学习
](
docs/handson-py-dl-web/08.md
)
+
[
第 4 节:生产中的深度学习(智能 Web 应用)
](
docs/handson-py-dl-web/sec4.md
)
+
[
九、启用深度学习的网站的通用生产框架
](
docs/handson-py-dl-web/09.md
)
+
[
十、通过深度学习保护 Web 应用安全
](
docs/handson-py-dl-web/10.md
)
+
[
十一、DIY - Web DL 生产环境
](
docs/handson-py-dl-web/11.md
)
+
[
十二、使用 DL API 和客户支持聊天机器人创建 E2E Web 应用
](
docs/handson-py-dl-web/12.md
)
+
[
十三、附录:Web 深度学习的成功案例和新兴领域
](
docs/handson-py-dl-web/13.md
)
+
[
零、前言
](
docs/handson-py-dl-web/00.md
)
+
[
第 1 节:Web 人工智能
](
docs/handson-py-dl-web/sec1.md
)
+
[
一、揭秘人工智能和机器学习基础
](
docs/handson-py-dl-web/01.md
)
+
[
第 2 节:使用深度学习的 Web 开发
](
docs/handson-py-dl-web/sec2.md
)
+
[
二、使用 Python 入门深度学习
](
docs/handson-py-dl-web/02.md
)
+
[
三、创建您的第一个深度学习 Web 应用
](
docs/handson-py-dl-web/03.md
)
+
[
四、TensorFlow.js 入门
](
docs/handson-py-dl-web/04.md
)
+
[
第 3 节:用于 Web 开发的不同深度学习 API 入门
](
docs/handson-py-dl-web/sec3.md
)
+
[
五、通过 API 进行深度学习
](
docs/handson-py-dl-web/05.md
)
+
[
六、Google Cloud Platform 上的 Python 深度学习
](
docs/handson-py-dl-web/06.md
)
+
[
七、AWS 上的 Python DL:对象检测和家庭自动化
](
docs/handson-py-dl-web/07.md
)
+
[
八、Microsoft Azure 上的 Python 深度学习
](
docs/handson-py-dl-web/08.md
)
+
[
第 4 节:生产中的深度学习(智能 Web 应用)
](
docs/handson-py-dl-web/sec4.md
)
+
[
九、启用深度学习的网站的通用生产框架
](
docs/handson-py-dl-web/09.md
)
+
[
十、通过深度学习保护 Web 应用安全
](
docs/handson-py-dl-web/10.md
)
+
[
十一、DIY - Web DL 生产环境
](
docs/handson-py-dl-web/11.md
)
+
[
十二、使用 DL API 和客户支持聊天机器人创建 E2E Web 应用
](
docs/handson-py-dl-web/12.md
)
+
[
十三、附录:Web 深度学习的成功案例和新兴领域
](
docs/handson-py-dl-web/13.md
)
+
[
精通 TensorFlow 2.x 计算机视觉
](
docs/master-cv-tf-2x/README.md
)
+
[
零、前言
](
docs/master-cv-tf-2x/0.md
)
+
[
第 1 节:计算机视觉和神经网络概论
](
docs/master-cv-tf-2x/sec1.md
)
+
[
一、计算机视觉和 TensorFlow 基础知识
](
docs/master-cv-tf-2x/1.md
)
+
[
二、使用局部二进制模式的内容识别
](
docs/master-cv-tf-2x/2.md
)
+
[
三、使用 OpenCV 和 CNN 的人脸检测
](
docs/master-cv-tf-2x/3.md
)
+
[
四、用于图像的深度学习
](
docs/master-cv-tf-2x/4.md
)
+
[
第 2 节:使用 TensorFlow 的计算机视觉高级概念
](
docs/master-cv-tf-2x/sec2.md
)
+
[
五、神经网络架构和模型
](
docs/master-cv-tf-2x/5.md
)
+
[
六、使用迁移学习的视觉搜索
](
docs/master-cv-tf-2x/6.md
)
+
[
七、YOLO 对象检测
](
docs/master-cv-tf-2x/7.md
)
+
[
八、语义分割与神经样式迁移
](
docs/master-cv-tf-2x/8.md
)
+
[
第 3 节:使用 TensorFlow 的计算机视觉的高级实现
](
docs/master-cv-tf-2x/sec3.md
)
+
[
九、使用多任务深度学习的动作识别
](
docs/master-cv-tf-2x/9.md
)
+
[
十、R-CNN,SSD 和 R-FCN 对象检测
](
docs/master-cv-tf-2x/10.md
)
+
[
第 4 节:边缘和云端的 TensorFlow 实现
](
docs/master-cv-tf-2x/sec4.md
)
+
[
十一、带有 CPU/GPU 优化的边缘设备上的深度学习
](
docs/master-cv-tf-2x/11.md
)
+
[
十二、用于计算机视觉的云计算平台
](
docs/master-cv-tf-2x/12.md
)
+
[
零、前言
](
docs/master-cv-tf-2x/0.md
)
+
[
第 1 节:计算机视觉和神经网络概论
](
docs/master-cv-tf-2x/sec1.md
)
+
[
一、计算机视觉和 TensorFlow 基础知识
](
docs/master-cv-tf-2x/1.md
)
+
[
二、使用局部二进制模式的内容识别
](
docs/master-cv-tf-2x/2.md
)
+
[
三、使用 OpenCV 和 CNN 的人脸检测
](
docs/master-cv-tf-2x/3.md
)
+
[
四、用于图像的深度学习
](
docs/master-cv-tf-2x/4.md
)
+
[
第 2 节:使用 TensorFlow 的计算机视觉高级概念
](
docs/master-cv-tf-2x/sec2.md
)
+
[
五、神经网络架构和模型
](
docs/master-cv-tf-2x/5.md
)
+
[
六、使用迁移学习的视觉搜索
](
docs/master-cv-tf-2x/6.md
)
+
[
七、YOLO 对象检测
](
docs/master-cv-tf-2x/7.md
)
+
[
八、语义分割与神经样式迁移
](
docs/master-cv-tf-2x/8.md
)
+
[
第 3 节:使用 TensorFlow 的计算机视觉的高级实现
](
docs/master-cv-tf-2x/sec3.md
)
+
[
九、使用多任务深度学习的动作识别
](
docs/master-cv-tf-2x/9.md
)
+
[
十、R-CNN,SSD 和 R-FCN 对象检测
](
docs/master-cv-tf-2x/10.md
)
+
[
第 4 节:边缘和云端的 TensorFlow 实现
](
docs/master-cv-tf-2x/sec4.md
)
+
[
十一、带有 CPU/GPU 优化的边缘设备上的深度学习
](
docs/master-cv-tf-2x/11.md
)
+
[
十二、用于计算机视觉的云计算平台
](
docs/master-cv-tf-2x/12.md
)
+
[
TensorFlow Lite,ML Kit 和 Flutter 移动深度学习
](
docs/mobi-dl-tflite/README.md
)
+
[
零、前言
](
docs/mobi-dl-tflite/00.md
)
+
[
一、移动深度学习简介
](
docs/mobi-dl-tflite/01.md
)
+
[
二、移动视觉 - 使用设备上的模型的人脸检测
](
docs/mobi-dl-tflite/02.md
)
+
[
三、使用 Google Action 的聊天机器人
](
docs/mobi-dl-tflite/03.md
)
+
[
四、认识植物种类
](
docs/mobi-dl-tflite/04.md
)
+
[
五、从摄像机源生成实时字幕
](
docs/mobi-dl-tflite/05.md
)
+
[
六、构建人工智能认证系统
](
docs/mobi-dl-tflite/06.md
)
+
[
七、语音/多媒体处理 - 使用 AI 生成音乐
](
docs/mobi-dl-tflite/07.md
)
+
[
八、基于强化神经网络的国际象棋引擎
](
docs/mobi-dl-tflite/08.md
)
+
[
九、构建图像超分辨率应用
](
docs/mobi-dl-tflite/09.md
)
+
[
十、前方的路
](
docs/mobi-dl-tflite/10.md
)
+
[
十一、附录
](
docs/mobi-dl-tflite/11.md
)
+
[
零、前言
](
docs/mobi-dl-tflite/00.md
)
+
[
一、移动深度学习简介
](
docs/mobi-dl-tflite/01.md
)
+
[
二、移动视觉 - 使用设备上的模型的人脸检测
](
docs/mobi-dl-tflite/02.md
)
+
[
三、使用 Google Action 的聊天机器人
](
docs/mobi-dl-tflite/03.md
)
+
[
四、认识植物种类
](
docs/mobi-dl-tflite/04.md
)
+
[
五、从摄像机源生成实时字幕
](
docs/mobi-dl-tflite/05.md
)
+
[
六、构建人工智能认证系统
](
docs/mobi-dl-tflite/06.md
)
+
[
七、语音/多媒体处理 - 使用 AI 生成音乐
](
docs/mobi-dl-tflite/07.md
)
+
[
八、基于强化神经网络的国际象棋引擎
](
docs/mobi-dl-tflite/08.md
)
+
[
九、构建图像超分辨率应用
](
docs/mobi-dl-tflite/09.md
)
+
[
十、前方的路
](
docs/mobi-dl-tflite/10.md
)
+
[
十一、附录
](
docs/mobi-dl-tflite/11.md
)
+
[
PyTorch 人工智能研讨会
](
docs/dl-pt-workshop/README.md
)
+
[
零、前言
](
docs/dl-pt-workshop/0.md
)
+
[
一、深度学习和 PyTorch 简介
](
docs/dl-pt-workshop/1.md
)
+
[
二、神经网络的构建块
](
docs/dl-pt-workshop/2.md
)
+
[
三、使用 DNN 的分类问题
](
docs/dl-pt-workshop/3.md
)
+
[
四、卷积神经网络
](
docs/dl-pt-workshop/4.md
)
+
[
五、样式迁移
](
docs/dl-pt-workshop/5.md
)
+
[
六、使用 RNN 分析数据序列
](
docs/dl-pt-workshop/6.md
)
+
[
七、附录
](
docs/dl-pt-workshop/7.md
)
+
[
Python 一次学习实用指南
](
docs/handson-1shot-learn-py/README.md
)
+
[
零、前言
](
docs/handson-1shot-learn-py/0.md
)
+
[
第一部分:一次学习简介
](
docs/handson-1shot-learn-py/sec1.md
)
+
[
一、一次学习简介
](
docs/handson-1shot-learn-py/1.md
)
+
[
第二部分:深度学习架构
](
docs/handson-1shot-learn-py/sec2.md
)
+
[
二、基于指标的方法
](
docs/handson-1shot-learn-py/2.md
)
+
[
三、基于模型的方法
](
docs/handson-1shot-learn-py/3.md
)
+
[
四、基于优化的方法
](
docs/handson-1shot-learn-py/4.md
)
+
[
第三部分:其他方法和结论
](
docs/handson-1shot-learn-py/sec3.md
)
+
[
五、基于生成建模的方法
](
docs/handson-1shot-learn-py/5.md
)
+
[
六、总结和其他方法
](
docs/handson-1shot-learn-py/6.md
)
+
[
Python 自然语言处理实用指南
](
docs/handson-nlp-pt-1x/README.md
)
+
[
零、前言
](
docs/handson-nlp-pt-1x/0.md
)
+
[
第一部分:用于 NLP 的 PyTorch 1.x 的要点
](
docs/handson-nlp-pt-1x/sec1.md
)
+
[
一、机器学习和深度学习的基础
](
docs/handson-nlp-pt-1x/1.md
)
+
[
二、用于 NLP 的 PyTorch 1.x 入门
](
docs/handson-nlp-pt-1x/2.md
)
+
[
第二部分:自然语言处理基础
](
docs/handson-nlp-pt-1x/sec2.md
)
+
[
三、NLP 和文本嵌入
](
docs/handson-nlp-pt-1x/3.md
)
+
[
四、文本预处理,词干提取和词形还原
](
docs/handson-nlp-pt-1x/4.md
)
+
[
第三部分:使用 PyTorch 1.x 的实际 NLP 应用
](
docs/handson-nlp-pt-1x/sec3.md
)
+
[
五、循环神经网络和情感分析
](
docs/handson-nlp-pt-1x/5.md
)
+
[
六、用于文本分类的卷积神经网络
](
docs/handson-nlp-pt-1x/6.md
)
+
[
七、使用序列到序列神经网络的文本翻译
](
docs/handson-nlp-pt-1x/7.md
)
+
[
八、使用基于注意力的神经网络构建聊天机器人
](
docs/handson-nlp-pt-1x/8.md
)
+
[
九、前方的路
](
docs/handson-nlp-pt-1x/9.md
)
+
[
PyTorch 人工智能基础知识
](
docs/pt-ai-fund/README.md
)
+
[
零、前言
](
docs/pt-ai-fund/0.md
)
+
[
一、使用 PyTorch 使用张量
](
docs/pt-ai-fund/1.md
)
+
[
二、与神经网络协作
](
docs/pt-ai-fund/2.md
)
+
[
三、用于计算机视觉的卷积神经网络
](
docs/pt-ai-fund/3.md
)
+
[
四、用于 NLP 的循环神经网络
](
docs/pt-ai-fund/4.md
)
+
[
五、迁移学习和 TensorBoard
](
docs/pt-ai-fund/5.md
)
+
[
六、探索生成对抗网络
](
docs/pt-ai-fund/6.md
)
+
[
七、深度强化学习
](
docs/pt-ai-fund/7.md
)
+
[
八、在 PyTorch 中生产 AI 模型
](
docs/pt-ai-fund/8.md
)
+
[
PyTorch 深度学习实用指南
](
docs/pt-dl-handson/README.md
)
+
[
零、前言
](
docs/pt-dl-handson/0.md
)
+
[
一、深度学习演练和 PyTorch 简介
](
docs/pt-dl-handson/1.md
)
+
[
二、简单的神经网络
](
docs/pt-dl-handson/2.md
)
+
[
三、深度学习工作流程
](
docs/pt-dl-handson/3.md
)
+
[
四、计算机视觉
](
docs/pt-dl-handson/4.md
)
+
[
五、序列数据处理
](
docs/pt-dl-handson/5.md
)
+
[
六、生成网络
](
docs/pt-dl-handson/6.md
)
+
[
七、强化学习
](
docs/pt-dl-handson/7.md
)
+
[
八、生产中的 PyTorch
](
docs/pt-dl-handson/8.md
)
+
[
TensorFlow 强化学习
](
docs/rl-tf/README.md
)
+
[
零、前言
](
docs/rl-tf/00.md
)
+
[
一、深度学习–架构和框架
](
docs/rl-tf/01.md
)
+
[
二、使用 OpenAI Gym 训练强化学习智能体
](
docs/rl-tf/02.md
)
+
[
三、马尔可夫决策过程
](
docs/rl-tf/03.md
)
+
[
四、策略梯度
](
docs/rl-tf/04.md
)
+
[
五、Q 学习和深度 Q 网络
](
docs/rl-tf/05.md
)
+
[
六、异步方法
](
docs/rl-tf/06.md
)
+
[
七、一切都是机器人-真正的战略游戏
](
docs/rl-tf/07.md
)
+
[
八、AlphaGo –最好的强化学习
](
docs/rl-tf/08.md
)
+
[
九、自动驾驶中的强化学习
](
docs/rl-tf/09.md
)
+
[
十、金融投资组合管理
](
docs/rl-tf/10.md
)
+
[
十一、机器人技术中的强化学习
](
docs/rl-tf/11.md
)
+
[
十二、广告技术中的深度强化学习
](
docs/rl-tf/12.md
)
+
[
十三、图像处理中的强化学习
](
docs/rl-tf/13.md
)
+
[
十四、NLP 中的深度强化学习
](
docs/rl-tf/14.md
)
+
[
十五、强化学习的其他主题
](
docs/rl-tf/15.md
)
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录