weblog

Skip to content

Main Navigation Home 文档目录

Appearance

Sidebar Navigation

00-目录

01-介绍

02-安装

03-数据操作

04-数据预处理

05-线性代数

06-矩阵计算

07-自动求导

08-0-线性回归

08-1-基础概念

08-2A-线性回归从0实现

08-2B-线性回归简单实现

09-0-Softmax回归

09-1-Softmax分类过程

09-2-图像分类数据集

09-3-softmax回归简单实现

10-0-多层感知机MLP

10-1-多层感知机简单实现

10-2-激活函数

11-0-模型选择

11-1-权重衰减-L2正则化

11-2-暂退法Dropout

11-3-前向传播&反向传播

11-4-梯度消失和梯度爆炸

11-5-模型初始化-参数初始化

11-6-数据集环境和分布偏移

12-0-高级模型基础

12-1-层和块

12-2-参数管理

12-3-延后初始化

12-4-自定义层

12-5-读写文件

12-6-GPU

13-0-卷积神经网络CNN

13-1-批归一化BatchNorm

13-2-卷积神经网络范式

13-2A-卷积神经网络-LeNet

13-2B-深度卷积神经网络-AlexNet

13-2C-使用块的网络-VGG

13-2D-网络中的网络-NiN

13-2E-含并行连结的网络-GoogLeNet

13-2F-残差网络-ResNet

13-2G-稠密连接网络-DenseNet

14-0-循环神经网络RNN

15-0-注意力机制

15-1A-Transformer介绍

15-1B-Transformer模型

15-2-层归一化LayerNorm

15-3-前馈神经网络FNN

15-4-掩码自注意力MSA

16-0-优化算法

16-1-优化目标

16-2-优化的挑战

16-3-凸性

16-4-梯度下降GD

16-4A-随机梯度下降SGD

16-4B-小批量随机梯度下降

16-5-动量法

16-6-AdaGrad算法

16-6A-RMSProp算法

16-6B-Adadelta

16-7-Adam

16-8-学习率调度器

17-0-计算性能

17-1-混合编程

17-2-异步计算

17-3-自动并行

17-4-硬件

17-5-多CPU计算

17-6-参数服务器

18-0-计算机视觉

18-1-图像增广

18-2-微调

18-3A-目标检测和边界框

18-3B-锚框

18-3C-多尺度目标检测

18-3D-目标检测数据集

18-3E-单发多框检测SSD

18-3F-区域卷积神经网络R-CNN

18-4A-语义分割和数据集

18-4B-转置卷积

18-4C-全卷积网络FNC

18-5-风格迁移

18-6A-实战-图像分类

18-6B-实战-狗的品种识别

19-0-自然语言处理:预训练

19-1A-词嵌入word2vec

19-1B-近似训练

19-1C-词嵌入的数据集

19-1D-预训练word2vec

19-2-全局向量的词嵌入GloVe

19-3-子词嵌入

19-4-词的相似性和类比任务

19-5A-双向编码器BERT

19-5B-BERT的数据集

19-5C-预训练BERT

20-0-自然语言处理:应用

20-1A-情感分析-数据集

20-1B-情感分析-循环神经网络

20-1C-情感分析-卷积神经网络

20-2A-自然语言推断-数据集

20-2B-自然语言推断-使用注意力

20-2C-针对序列级和词元级应用微调BERT

20-2D-自然语言推断-微调BERT

On this page

https://zh.d2l.ai/chapter_computer-vision/kaggle-dog.html

Pager

Previous page18-6A-实战-图像分类

Next page19-0-自然语言处理:预训练

京ICP备2024093538号-1

自用笔记本