乐趣区

关于深度学习:ApacheCN-深度学习译文集-20201218-更新

新增了四个教程:

  • Python 人工智能中文版

    • 0 前言
    • 1 人工智能简介
    • 2 人工智能的根本用例
    • 3 机器学习管道
    • 4 特征选择和特色工程
    • 5 应用监督学习的分类和回归
    • 6 集成学习的预测剖析
    • 7 通过无监督学习检测模式
    • 8 构建举荐零碎
    • 9 逻辑编程
    • 10 启发式搜寻技术
    • 11 遗传算法和遗传编程
    • 12 云上的人工智能
    • 13 应用人工智能构建游戏
    • 14 构建语音识别器
    • 15 自然语言解决
    • 16 聊天机器人
    • 17 序列数据和工夫序列剖析
    • 18 图像识别
    • 19 神经网络
    • 20 将卷积神经网络用于深度学习
    • 21 循环神经网络和其余深度学习模型
    • 22 通过强化学习创立智能体
    • 23 人工智能和大数据
  • Python 无监督学习实用指南

    • 零、前言
    • 一、无监督学习入门
    • 二、聚类根底
    • 三、高级聚类
    • 四、实用的档次聚类
    • 五、软聚类和高斯混合模型
    • 六、异样检测
    • 七、降维和成分剖析
    • 八、无监督神经网络模型
    • 九、生成反抗网络和 SOM
    • 十、习题
  • 生成反抗网络我的项目

    • 零、前言
    • 一、生成反抗网络简介
    • 二、3D-GAN — 应用 GAN 生成形态
    • 三、应用条件 GAN 进行人脸老化
    • 四、应用 DCGAN 生成动漫角色
    • 五、应用 SRGAN 生成真切的图像
    • 六、StackGAN – 真切的文本到图像合成
    • 七、CycleGAN – 将绘画变成照片
    • 八、条件 GAN – 应用条件反抗网络的图像到图像翻译
    • 九、预测 GAN 的将来
  • TensorFlow 智能挪动我的项目

    • 零、前言
    • 一、挪动 TensorFlow 入门
    • 二、通过迁徙学习对图像进行分类
    • 三、检测物体及其地位
    • 四、以惊人的艺术风格变换图片
    • 五、理解简略的语音命令
    • 六、用自然语言形容图像
    • 七、应用 CNN 和 LSTM 辨认绘画
    • 八、用 RNN 预测股价
    • 九、应用 GAN 生成和加强图像
    • 十、构建相似 AlphaZero 的手机游戏利用
    • 十一、在挪动设施上应用 TensorFlow Lite 和 Core ML
    • 十二、在 Raspberry Pi 上开发 TensorFlow 利用
退出移动版