深度学习基础-深度学习简介
深度学习基础-Python基础
深度学习基础-线性回归
深度学习基础-softmax回归
深度学习基础-多层感知机
深度学习基础-模型选择、欠拟合和过拟合
深度学习基础-数值稳定性和模型初始化
深度学习计算-模型构造
深度学习计算-模型参数的访问、初始化和共享
深度学习计算-自定义层与读取和储存
卷积神经网络
经典网络
循环神经网络
RNN进阶
优化算法
计算机视觉
- 图像增广与挑战
- 翻转、裁剪、变化颜色与叠加
- 实验42-图像增广-1
- 实验42-图像增广-2
- 微调
- 迁移学习
- 实验43-微调-1
- 实验43-微调-2
- 目标检测
- 边界框
- 实验44-边界框
- 锚框与生成多个锚框
- 交并比
- 实验45-生成锚框-1
- 实验45-生成锚框-2
- 标注训练集的锚框-1
- 标注训练集的锚框-2
- 实验46-标注训练集的锚框-1
- 实验46-标注训练集的锚框-2
- 实验46-标注训练集的锚框-3
- 输出预测边界框
- 实验47-输出预测边界框-1
- 实验47-输出预测边界框-2
- 多尺度目标检测
- 实验48-多尺度目标检测
- 目标检测算法分类
- SSD与模型设计
- 预测层
- 损失函数
- SSD预测
- 实验49-目标检测数据集
- 实验50-SSD目标检测-1
- 实验50-SSD目标检测-2
- SSD目标检测实验50倒数第四个
- 第50的实验倒数第三个
- 第50的实验倒数第二个
- 第50的实验最终
自然语言处理
- 词嵌入和词向量
- 神经网络模型
- 跳字模型
- 训练跳字模型
- 连续词袋模型
- 负采样
- 层序softmax
- 子词嵌入
- Fasttext模型
- 全局向量的词嵌入
- 实验51-word2vec之数据预处理-1
- 实验51-word2vec之数据预处理-2
- 实验52-word2vec之负采样-1
- 实验52-word2vec之负采样-2
- 实验53-word2vec之模型构建-1
- 实验53-word2vec之模型构建-2
- 实验54-求近义词和类比词-1
- 实验54-求近义词和类比词-2
- 实验55-文本情感分类RNN-1
- 实验55-文本情感分类RNN-2
- 实验55-文本情感分类RNN-3
- 文本情感分类RNN-最终
- TextCNN
- TextCNN流程
- 实验56-文本情感分类textCNN-1
- 实验56-文本情感分类textCNN-2
- Seq2Seq的历史与网络架构
- Seq2Seq的应用与存在的问题
- Attention机制与Bucket机制
- 实验57-机器翻译之模型构建-1
- 实验57-机器翻译之模型构建-2
- 机器翻译之模型构建最终
- 实验58-机器翻译之训练评估-1
- 实验58-机器翻译之训练评估-2
- 机器翻译之训练评估最终
提交答案