VIP会员

吴恩达老师深度学习课程(deeplearning.ai) 视频笔记Deeplearning_AndrewNg_v5.42.pdf

吴恩达老师深度学习课程(deeplearning.ai) 视频笔记Deeplearning_AndrewNg_v5.42.pdf 吴恩达老师深度学习课程(deeplearning.ai) 视频笔记Deeplearning_AndrewNg_v5.42.pdf 吴恩达老师深度学习课程(deeplearning.ai) 视频笔记Deeplearning_AndrewNg_v5.42.pdf 吴恩达老师深度学习课程(deeplearning.ai) 视频笔记Deeplearning_AndrewNg_v5.42.pdf

深度学习基础pdf

深度学习基础pdf

TensorFlow深度学习》--笔记版.pdf

TensorFlow深度学习该版本我做了详细笔记，也做了目录分类，希望能给大家帮助、一键三连哦！

深度学习之美源代码.zip

深度学习之美 AI时代的数据处理与最佳实践 书的源代码 人工智能，深度学习，可供参考学习，需要的可以看看，代码可运行

深度学习之美 AI时代的数据处理与最佳实践 源代码

《深度学习之美 AI时代的数据处理与最佳实践 》一书的源代码。

2023最新深度学习袖珍书《The Little Book of Deep Learning》.pdf

《The Little Book of Deep Learning》本书共140页，作者François Fleuret是瑞士日内瓦大学计算机科学教授，Idiap研究所外部研究员，Neural Concept SA公司联合创始人。 历史上，深度学习属于统计机器学习这个更大...

深度学习(Deep Learning) 三本 Part II 【共 5 个分卷】

深度学习(Deep Learning) 中文版 [ 感谢大神们的翻译 Github 地址：https://github.com/exacity/deeplearningbook-chinese ]，中文文字版，【 在线版本地址：https://exacity.github.io/deeplearningbook-chinese/ ...

深度学习(Deep Learning) 三本 Part I 【共 5 个分卷】

深度学习(Deep Learning) 中文版 [ 感谢大神们的翻译 Github 地址：https://github.com/exacity/deeplearningbook-chinese ]，中文文字版，【 在线版本地址：https://exacity.github.io/deeplearningbook-chinese/ ...

Ian Goodfellow等人的Deep Learning 英文版（含PDF、mobi和epub）

Ian Goodfellow等人的Deep Learning 英文版（含PDF、mobi和epub），我还上传了一份中文版，可以搜索下载

Deep Learning 中文版v0.4.pdf

Deep Learning 中文版v0.4.pdf

DeepLearning中文版

度学习Deep Learning介绍. Depth 概念：depth: the length of the longest path from an input to an output. Deep Architecture 的三个特点：深度不足会出现问题；人脑具有一个深度结构（每深入一层进行一次abstraction，由lower-layer的features描述而成的feature构成

人工智能与深度学习.pdf

人工智能与深度学习.pdf

人工智能中的深度结构学习 大牛写的论文

近期有一本新出的关于深度学习的中文书，名叫《人工智能中的深度结构学习》。它实际上就是 Yoshua Bengio 与 2009 年发表的综述性论文 Learning Deep Architectures for AI 的翻译版。和前面那本大书相比，Bengio 这篇论文的架构更加明晰，至少能把深度学习这个事儿的来龙去脉讲清楚。此外，由于成文时间较早，Bengio 的论文也没有太广的覆盖面，而是集中火力介绍了一些早期的基本模型。对于入门者来说，这篇论文是不错的阅读选择。

Deep Learning 教程中文版

deep learning中文版deep learning中文版deep learning中文版

深度学习, 资源, Deep Learning: Foundations and Concepts

作者: Christopher M. Bishop, Hugh Bishop 书名: Deep Learning: Foundations and Concepts 发布时间: 2023 关键词: 深度学习, 人工智能

Deep Learning with Pytorch.pdf

《Deep Learning with Pytorch》是一本英文原版书籍，是一本pytorch入门书籍，对于这个领域的研究者来说，这是一个非常有价值的参考文献！分享出来共同学习！

deep learning 中文版积分少

deep learning 中文版 pdf deep learning 中文版 pdf deep learning 中文版 pdf deep learning 中文版 pdf deep learning 中文版 pdf

数学知识--七日入门深度学习.pdf

这是对深度学习基础数学知识的一些整理，入门深度学习的同学可以下载进行学习，打好基础。

deep learning (中文版）Lan Goodfellow Yoshua Bengio

对于那些刚接触深度学习，而不知道学习什么的人来说，这本书会给出一个清晰的学习计划和详细的内容。本文由Lan Goodfellow，Yoshua Bengio，Aaron Courville合作完成，其中Lan被誉为“GAN之父”，Yoshua Bengio也是深度学习研究领域的专家。

Deep Learning（深度学习）学习笔记整理系列pdf

原创作者是Zouxy,整个笔记在他博客上，为了方便大家保存阅读，我将其整理成了pdf文档，希望大家多多交流。 目录 一、概述 2 二、背景 5 三、人脑视觉机理 8 四、关于特征 10 4.1、特征表示的粒度 10 4.2、初级（浅层）特征表示 11 4.3、结构性特征表示 14 4.4、需要有多少个特征？ 16 五、Deep Learning的基本思想 17 六、浅层学习（Shallow Learning）和深度学习（Deep Learning） 18 七、Deep learning与Neural Network 20 八、Deep learning训练过程 21 8.1、传统神经网络的训练方法为什么不能用在深度神经网络 21 8.2、deep learning训练过程 22 九、Deep Learning的常用模型或者方法 23 9.1、AutoEncoder自动编码器 23 9.2、Sparse Coding稀疏编码 28 9.3、Restricted Boltzmann Machine (RBM)限制波尔兹曼机 31 9.4、Deep Belief Networks深信度网络 35 9.5、Convolutional Neural Networks卷积神经网络 38 十、总结与展望 50 十一、参考文献和Deep Learning学习资源（持续更新……） 51

深度学习电子版中文版

这本书是由学界领军人物 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合力打造

deep learning 中文版

deep learning 中文版 ，带书签

Deep Learning.pdf

Deep Learning.pdf Deep Learning.pdf Deep Learning.pdf Deep Learning.pdf

深度学习视频讲座：2017年最新深度学习视频讲座(全套百度网盘资源链接).rar

深度学习视频讲座：2017年最新深度学习视频讲座(全套百度网盘资源链接).rar 深度学习视频讲座：2017年最新深度学习视频讲座(全套百度网盘资源链接).rar 深度学习视频讲座：2017年最新深度学习视频讲座(全套百度网盘资源链接).rar

零基础入门深度学习-系列博客高清合集pdf

该压缩包中包含了7个pdf文档，为零基础入门深度学习系列博客的高清pdf，版权为原作者所有，方便大家下载打印阅读。

Deep Learning Cookbook

While the boom in computational power and better techniques led to an increase in interest in neural networks, we have also seen huge strides in usability. In particular, deep learning frameworks like TensorFlow, Theano, and Torch allow nonexperts to construct complex neural networks to solve their own machine learning problems. This has turned a task that used to require months or years of handcoding and head-on-table-banging effort (writing efficient GPU kernels is hard!) into something that anyone can do in an afternoon (or really a few days in practice). Increased usability has greatly increased the number of researchers who can work on deep learning problems. Frameworks like Keras with an even higher level of abstraction make it possible for anyone with a working knowledge of Python and some tools to run some interesting experiments, as this book will show. A second important factor for “why now” is that large datasets have become available for everybody. Yes, Facebook and Google might still have the upper hand with access to billions of pictures, user comments, and what have you, but datasets with millions of items can be had from a variety of sources. In Chapter 1 we’ll look at a variety of options, and throughout the book the example code for each chapter will usually show in the first recipe how to get the needed training data. At the same time, private companies have started to produce and collect orders of magnitude more data, which has made the whole area of deep learning suddenly commercially very interesting. A model that can tell the difference between a cat and a dog is all very well, but a model that increases sales by 15% by taking all historic sales data into account can be the difference between life and death for a company.