乐趣区

关于深度学习:ApacheCN-深度学习译文集-20209

jiezi

协定：CC BY-NC-SA 4.0

骄傲地采纳谷歌翻译

不要放心本人的形象，只关怀如何实现目标。——《准则》，生存准则 2.3.c

  • 在线浏览
  • ApacheCN 面试求职交换群 724187166
  • ApacheCN 学习资源

目录

  • TensorFlow 1.x 深度学习秘籍

    • 零、前言
    • 一、TensorFlow 简介
    • 二、回归
    • 三、神经网络：感知器
    • 四、卷积神经网络
    • 五、高级卷积神经网络
    • 六、循环神经网络
    • 七、无监督学习
    • 八、自编码器
    • 九、强化学习
    • 十、挪动计算
    • 十一、生成模型和 CapsNet
    • 十二、分布式 TensorFlow 和云深度学习
    • 十三、AutoML 和学习如何学习（元学习）
    • 十四、TensorFlow 处理单元

  • 应用 TensorFlow 构建机器学习我的项目中文版

    • 一、摸索和转换数据
    • 二、聚类
    • 三、线性回归
    • 四、逻辑回归
    • 五、简略的前馈神经网络
    • 六、卷积神经网络
    • 七、循环神经网络和 LSTM
    • 八、深度神经网络
    • 九、大规模运行模型 — GPU 和服务
    • 十、库装置和其余提醒

  • TensorFlow 深度学习中文第二版

    • 一、人工神经网络
    • 二、TensorFlow v1.6 的新性能是什么？
    • 三、实现前馈神经网络
    • 四、CNN 实战
    • 五、应用 TensorFlow 实现自编码器
    • 六、RNN 和梯度隐没或爆炸问题
    • 七、TensorFlow GPU 配置
    • 八、TFLearn
    • 九、应用协同过滤的电影举荐
    • 十、OpenAI Gym

  • TensorFlow 深度学习实战指南中文版

    • 一、入门
    • 二、深度神经网络
    • 三、卷积神经网络
    • 四、循环神经网络介绍
    • 五、总结

  • 精通 TensorFlow 1.x

    • 一、TensorFlow 101
    • 二、TensorFlow 的高级库
    • 三、Keras 101
    • 四、TensorFlow 中的经典机器学习
    • 五、TensorFlow 和 Keras 中的神经网络和 MLP
    • 六、TensorFlow 和 Keras 中的 RNN
    • 七、TensorFlow 和 Keras 中的用于工夫序列数据的 RNN
    • 八、TensorFlow 和 Keras 中的用于文本数据的 RNN
    • 九、TensorFlow 和 Keras 中的 CNN
    • 十、TensorFlow 和 Keras 中的自编码器
    • 十一、TF 服务：生产中的 TensorFlow 模型
    • 十二、迁徙学习和预训练模型
    • 十三、深度强化学习
    • 十四、生成反抗网络
    • 十五、TensorFlow 集群的分布式模型
    • 十六、挪动和嵌入式平台上的 TensorFlow 模型
    • 十七、R 中的 TensorFlow 和 Keras
    • 十八、调试 TensorFlow 模型
    • 十九、张量处理单元

  • TensorFlow 机器学习秘籍中文第二版

    • 一、TensorFlow 入门
    • 二、TensorFlow 的形式
    • 三、线性回归
    • 四、反对向量机
    • 五、最近邻办法
    • 六、神经网络
    • 七、自然语言解决
    • 八、卷积神经网络
    • 九、循环神经网络
    • 十、将 TensorFlow 投入生产
    • 十一、更多 TensorFlow

  • 与 TensorFlow 的首次接触

    • 前言
    • 1. TensorFlow 基础知识
    • 2. TensorFlow 中的线性回归
    • 3. TensorFlow 中的聚类
    • 4. TensorFlow 中的单层神经网络
    • 5. TensorFlow 中的多层神经网络
    • 6. 并行
    • 后记

  • TensorFlow 学习指南

    • 一、根底
    • 二、线性模型
    • 三、学习
    • 四、分布式

  • TensorFlow Rager 教程

    • 一、如何应用 TensorFlow Eager 构建简略的神经网络
    • 二、在 Eager 模式中应用指标
    • 三、如何保留和复原训练模型
    • 四、文本序列到 TFRecords
    • 五、如何将原始图片数据转换为 TFRecords
    • 六、如何应用 TensorFlow Eager 从 TFRecords 批量读取数据
    • 七、应用 TensorFlow Eager 构建用于情感辨认的卷积神经网络（CNN）
    • 八、用于 TensorFlow Eager 序列分类的动静循坏神经网络
    • 九、用于 TensorFlow Eager 工夫序列回归的递归神经网络
  • TensorFlow 高效编程

  • 图嵌入综述：问题，技术与利用

    • 一、引言
    • 三、图嵌入的问题设定
    • 四、图嵌入技术
    • 基于边重构的优化问题
    • 利用

  • 基于深度学习的举荐零碎：综述和新视角

    • 引言
    • 基于深度学习的举荐：最先进的技术
    • 基于卷积神经网络的举荐

  • 对于卷积神经网络咱们了解了什么

    • 第 1 章概论
    • 第 2 章多层网络
    • 2.1.4 生成反抗网络
    • 2.2.1 最近 ConvNets 演变中的要害架构
    • 2.2.2 走向 ConvNet 不变性
    • 2.3 时空卷积网络
    • 第 3 章理解 ConvNets 构建块
    • 3.2 整改
    • 3.3 规范化
    • 3.4 会集
    • 第四章现状
    • 4.2 关上问题
    • 参考
  • 机器学习超级温习笔记

  • Python 迁徙学习实用指南

    • 零、前言
    • 一、机器学习根底
    • 二、深度学习根底
    • 三、理解深度学习架构
    • 四、迁徙学习根底
    • 五、开释迁徙学习的力量
    • 六、图像识别与分类
    • 七、文本文件分类
    • 八、音频事件辨认与分类
    • 九、DeepDream
    • 十、主动图像字幕生成器
    • 十一、图像着色

  • 面向计算机视觉的深度学习

    • 零、前言
    • 一、入门
    • 二、图像分类
    • 三、图像检索
    • 四、对象检测
    • 五、语义宰割
    • 六、相似性学习
    • 七、图像字幕
    • 八、生成模型
    • 九、视频分类
    • 十、部署

  • 深度学习疾速参考

    • 零、前言
    • 一、深度学习的根底
    • 二、应用深度学习解决回归问题
    • 三、应用 TensorBoard 监控网络训练
    • 四、应用深度学习解决二分类问题
    • 五、应用 Keras 解决多分类问题
    • 六、超参数优化
    • 七、从头开始训练 CNN
    • 八、将预训练的 CNN 用于迁徙学习
    • 九、从头开始训练 RNN
    • 十、应用词嵌入从头开始训练 LSTM
    • 十一、训练 Seq2Seq 模型
    • 十二、深度强化学习
    • 十三、生成反抗网络

  • TensorFlow 2.0 疾速入门指南

    • 零、前言
    • 第 1 局部：TensorFlow 2.00 Alpha 简介
    • 一、TensorFlow 2 简介
    • 二、Keras：TensorFlow 2 的高级 API
    • 三、TensorFlow 2 和 ANN 技术
    • 第 2 局部：TensorFlow 2.00 Alpha 中的监督和无监督学习
    • 四、TensorFlow 2 和监督机器学习
    • 五、TensorFlow 2 和无监督学习
    • 第 3 局部：TensorFlow 2.00 Alpha 的神经网络应用
    • 六、应用 TensorFlow 2 辨认图像
    • 七、TensorFlow 2 和神经格调迁徙
    • 八、TensorFlow 2 和循环神经网络
    • 九、TensorFlow 预计器和 TensorFlow HUB
    • 十、从 tf1.12 转换为 tf2

  • TensorFlow 入门

    • 零、前言
    • 一、TensorFlow 基本概念
    • 二、TensorFlow 数学运算
    • 三、机器学习入门
    • 四、神经网络简介
    • 五、深度学习
    • 六、TensorFlow GPU 编程和服务

  • TensorFlow 卷积神经网络实用指南

    • 零、前言
    • 一、TensorFlow 的设置和介绍
    • 二、深度学习和卷积神经网络
    • 三、TensorFlow 中的图像分类
    • 四、指标检测与宰割
    • 五、VGG，Inception，ResNet 和 MobileNets
    • 六、自编码器，变分自编码器和生成反抗网络
    • 七、迁徙学习
    • 八、机器学习最佳实际和故障排除
    • 九、大规模训练
    • 十、参考文献

下载

PYPI

pip install apachecn-dl-zh
apachecn-dl-zh <port>
# 拜访 http://localhost:{port} 查看文档

NPM

npm install -g apachecn-dl-zh
apachecn-dl-zh <port>
# 拜访 http://localhost:{port} 查看文档

奉献指南

本我的项目须要校对，欢送大家提交 Pull Request。

请您怯懦地去翻译和改良翻译。尽管咱们谋求卓越，但咱们并不要求您做到美中不足，因而请不要放心因为翻译上犯错——在大部分状况下，咱们的服务器曾经记录所有的翻译，因而您不用放心会因为您的失误受到无法挽回的毁坏。（改编自维基百科）

联系方式

负责人

  • 飞龙: 562826179

其余

  • 在咱们的 apachecn/apachecn-tf-zh github 上提 issue.
  • 发邮件到 Email: apachecn@163.com.
  • 在咱们的 组织学习交换群 中分割群主 / 管理员即可.

资助咱们

通过平台自带的打赏性能，或点击这里。

退出移动版