# 动手学深度学习 李沐 dive-into-deep-learning
李沐老师的课程中源码都是用jupyter notebook写的;这里全部使用pycharm编辑器来编程,改写为py格式。
希望可以记录课程的学习过程,同时能帮助他人。
### 课程相关资料
1. 课程的直播地址:http://courses.d2l.ai/zh-v2/
2. 课程的课件地址:https://zh-v2.d2l.ai/
3. 另一个可参考的笔记:https://tangshusen.me/Dive-into-DL-PyTorch
### 本笔记的目录
##### ch01. 预备知识
1.1. [数据操作](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch01/01-ndarray.py)
1.2. [数据预处理](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch01/02-pandas.py)
1.3. [线性代数](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch01/03-linear-algebra.py)
1.4. [微分](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch01/04-calculus.py)
1.5. [自动求导](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch01/05-autograd.py)
##### ch02. 线性神经网络
2.1. [线性回归](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch02/01-linear-regression.py)
2.2. [线性回归的从零开始实现](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch02/02-linear-regression-scratch.py)
2.3. 线性回归的简洁实现
2.4. softmax回归
2.5. [图像分类数据集](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/d2lutil/common.py)
2.6. [softmax回归的从零开始实现](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch02/03-softmax-linear-regression-scratch.py)
2.7. [softmax回归的简洁实现](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch02/04-softmax-linear-regression-concise.py)
##### ch03. 多层感知机
3.1. [多层感知机](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch03/01-mlp.py)
3.2. [多层感知机的从零开始实现](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch03/02-mlp-from-zero.py)
3.3. [多层感知机的简洁实现](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch03/03-mlp-simple.py)
3.4. [模型选择、欠拟合和过拟合](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch03/04-underfit-overfit.py)
3.5. [权重衰减](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch03/05-weight-decay-simple.py)
3.6. [Dropout](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch03/06-dropout-simple.py)
3.7. 正向传播、反向传播和计算图
3.8. 数值稳定性和模型初始化
3.9. 环境和分布偏移
3.10. [实战 Kaggle 比赛:预测房价](https://github.com/Miraclelucy/dive_into_deep_learning/blob/main/ch03/10-kaggle-house-price.py)
##### ch04. 深度学习计算
4.1. [层和块](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch04/01-model-construction.py)
4.2. [参数管理](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch04/02-parameters.py)
4.3. 延后初始化
4.4. [自定义层](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch04/03-custom-layer.py)
4.5. [读写文件](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch04/04-read-write.py)
4.6. GPU
##### ch05. 卷积神经网络
5.2. [图像卷积](https://github.com/Miraclelucy/dive_into_deep_learning/blob/main/ch05/02-conv-layer.py)
5.3. [填充和步幅](https://github.com/Miraclelucy/dive_into_deep_learning/blob/main/ch05/03-padding-and-strides.py)
5.4. [多输入多输出通道](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch05/04-channels.py)
5.5. [汇聚层](https://github.com/Miraclelucy/dive-into-deep-learning/blob/main/ch05/05-pooling.py)
5.6. 卷积神经网络(LeNet)
##### ch06. 现代卷积神经网络
6.1. 深度卷积神经网络(AlexNet)
6.2. 使用重复元素的网络(VGG)
6.3. 网络中的网络(NiN)
6.4. 含并行连结的网络(GoogLeNet)
6.5. 批量归一化
6.6. 残差网络(ResNet)
6.7. 稠密连接网络(DenseNet)
##### ch07. 循环神经网络
7.1. 序列模型
7.2. 文本预处理
7.3. 语言模型和数据集(周杰伦专辑歌词)
7.4. 循环神经网络
7.5. 循环神经网络的从零开始实现
7.6. 循环神经网络的简洁实现
7.7. 通过时间反向传播
##### ch08. 现代循环神经网络
8.1. 门控循环单元(GRU)
8.2. 长短期记忆(LSTM) 参考看下这个 https://colah.github.io/posts/2015-08-Understanding-LSTMs/
8.3. 深度循环神经网络
8.4. 双向循环神经网络
8.5. 机器翻译与数据集
8.6. 编码器-解码器结构
8.7. 序列到序列学习
8.8. 束搜索
##### ch09. 注意力机制
9.1. 注意力机制
9.2. 注意力汇聚
9.3. 注意力评分函数
9.4. Bahdanau注意力
9.5. 多头注意力
9.6. 自注意力和位置编码
9.7. Transformer
##### ch10. 优化算法
10.1. 优化和深度学习
10.2. 凸性
10.3. 梯度下降
10.4. 随机梯度下降
10.5. 小批量随机梯度下降
10.6. 动量法
10.7. AdaGrad算法
10.8. RMSProp算法
10.9. Adadelta算法
10.10. Adam算法
10.11. 学习率调度器
##### ch11. 计算性能
11.1. 编译器和解释器
11.2. 异步计算
11.3. 自动并行
11.4. 硬件
11.5. 多GPU训练
11.6. 多GPU的简洁实现
11.7. 参数服务器
##### ch12. 计算机视觉
12.1. 图像增广
12.2. 微调
12.3. 目标检测和边界框
12.4. 锚框
12.5. 多尺度目标检测
12.6. 目标检测数据集(皮卡丘)
12.7. 单发多框检测(SSD)
12.8. 区域卷积神经网络(R-CNN)系列
12.9. 语义分割和数据集
12.10. 转置卷积
12.11. 全卷积网络
12.12. 风格迁移
##### ch13. 自然语言处理:预训练
13.1. 词嵌入
13.2. 近似训练
13.3. 用于预训练词嵌入的数据集
13.4. 预训练word2vec
13.5. 全局向量的词嵌入
13.6. 子词嵌入
13.7. 词的相似性和类比任务
13.8. 来自Transformers的双向编码器表示
13.9. 用于预训练BERT的数据集
13.10. 预训练BERT
##### ch14. 自然语言处理:应用
14.1. 情感分析及数据集
14.2. 情感分析:使用循环神经网络
14.3. 情感分析:使用卷积神经网络
14.4. 自然语言推断与数据集
14.5. 自然语言推断:使用注意力
14.6. 针对序列级和词元级应用程序微调BERT
14.7. 自然语言推断:微调BERT
李沐 【动手学深度学习】课程学习笔记:使用pycharm编程,基于pytorch框架实现。.zip
需积分: 5 2 浏览量
2024-05-09
09:44:02
上传
评论
收藏 30KB ZIP 举报
生瓜蛋子
- 粉丝: 3825
- 资源: 5370
最新资源
- 基于java开发的密码解锁APP,包含手势密码解锁+指纹密码解锁+源码+项目界面展示(毕业设计&课程设计&项目开发)
- 基于单片机的智能窗帘设计
- 基于STM32F103C8T6+LCD1602+MCP6S28的8通道模拟可编程增益放大器Proteus仿真
- 5G RAN NR TDD单用户峰值吞吐率计算过程.pptx
- 基于Objective-C开发的手势密码解锁和面容解锁(代码简洁高效通俗易懂)+源码+开发文档+源码解析(毕业设计&课程设计)
- LangChain学习之 Question And Answer的操作附带数据文件
- linux常用命令大全.zip
- CATIA入门操作案例-正八边异形带孔凸台绘制,等距点绘制正多边形,凸台绘制
- 大型代码语言模型的项目级提示生成pdf
- 纸片战争The War of paper.sb3
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈