AI应用开发基础傻瓜书系列的目录~

写在前面,为啥要出这个系列的教程呢?

总的说来,我们现在有了很多非常厉害的深度学习框架,比如tensorflow,pytorch,paddlepaddle,caffe2等等等等。然而,我们用这些框架在搭建我们自己的深度学习模型的时候,到底做了一些什么样的操作呢?我们试图去阅读框架的源码来理解框架到底帮助我们做了些什么,但是……很难!很难!很难!因为深度学习是需要加速啦,分布式计算啦,所以框架做了很多很多的优化,也让像我们这样的小白难以理解这些框架的源码。所以,为了帮助大家更进一步的了解神经网络模型的具体内容,我们整理了这样一个系列的教程。

对于这份教程的内容,如果没有额外的说明,我们通常使用如下表格的命名约定

符号 含义
X 输入样本
Y 输入样本的标签
Z 各层运算的结果
A 激活函数结果
大写字母 矩阵或矢量,如A,W,B
小写字母 变量,标量,如a,w,b

适用范围

没有各种基础想学习却无从下手哀声叹气的玩家,请按时跟踪最新博客,推导数学公式,跑通代码,并及时提出问题,以求最高疗效;

深度学习小白,有直观的人工智能的认识,强烈的学习欲望和需求,请在博客的基础上配合代码食用,效果更佳;

调参师,训练过模型,调过参数,想了解框架内各层运算过程,给玄学的调参之路添加一点心理保障;

超级高手,提出您宝贵的意见,给广大初学者指出一条明路!

前期准备

环境:

windows(Linux也行),python(最好用3),anaconda(或者自己装numpy之类的),tensorflow(嫌麻烦地请看这里《AI应用开发实战 -
从零开始配置环境》,tools
for AI(按照链接教程走的就不用管这个了)。

自己:

清醒的头脑(困了的同学请自觉泡茶),纸和笔(如果像跟着推公式的话),闹钟(防止久坐按时起来转转),厚厚的衣服(有暖气的同学请忽略)

目录

  • Content
  • 01.0-神经网络的基本工作原理
  • 01.1-基本数学导数公式
  • 01.2-Python-Numpy库的点滴
  • 02.0-反向传播与梯度下降
  • 02.1-线性反向传播
  • 02.2-非线性反向传播
  • 02.3-梯度下降
  • 03.0-损失函数
  • 03.1-均方差损失函数
  • 03.2-交叉熵损失函数
  • 04.0-单入单出单层-单变量线性回归
  • 04.1-最小二乘法
  • 04.2-梯度下降法
  • 04.3-神经网络法
  • 04.4-梯度下降的三种形式
  • 04.5-实现逻辑非门
  • 05.0-多入单出单层-多变量线性回归
  • 05.1-正规方程法
  • 05.2-神经网络法
  • 05.3-样本特征数据的归一化
  • 05.4-归一化的后遗症
  • 05.5-正确的推理方法
  • 05.6-归一化标签值
  • 06.0-多入多出单层神经网络-多变量线性分类
  • 06.1-二分类原理
  • 06.2-线性二分类实现
  • 06.3-线性二分类结果可视化
  • 06.4-多分类原理
  • 06.5-线性多分类实现
  • 06.6-线性多分类结果可视化
  • 07.0-激活函数
  • 07.1-挤压型激活函数
  • 07.2-半线性激活函数
  • 07.3-用双曲正切函数分类
  • 07.4-实现逻辑与门和或门
  • 08.0-单入单出双层-万能近似定理
  • 08.1-双层拟合网络的原理
  • 08.2-双层拟合网络的实现
  • 09.0-多入多出双层-双变量非线性分类
  • 09.1-实现逻辑异或门
  • 09.2-理解二分类的工作原理
  • 09.3-非线性多分类
  • 09.4-理解多分类的工作原理
  • 10.0-调参与优化
  • 10.1-权重矩阵初始化
  • 10.2-参数调优
  • 10.3-搜索最优学习率
  • 10.4-梯度下降优化算法
  • 10.5-自适应学习率算法
  • 11.0-深度学习基础
  • 11.1-三层神经网络的实现
  • 11.2-验证与测试
  • 11.3-梯度检查
  • 11.4-手工测试训练效果
  • 11.5-搭建深度神经网络框架
  • 12.0-卷积神经网络
  • 12.1-卷积
  • 12.2-池化
  • 14.1-神经网络模型概述
  • 14.2-Windows模型的部署
  • 14.3-Android模型的部署

AI应用开发基础傻瓜书系列目录相关推荐

  1. AI应用开发基础傻瓜书系列2-神经网络中反向传播与梯度下降的基本概念

    AI应用开发基础傻瓜书系列2-神经网络中反向传播与梯度下降的基本概念 Copyright © Microsoft Corporation. All rights reserved. 适用于Licens ...

  2. AI应用开发基础傻瓜书系列1-神经网络的基本工作原理

    Copyright © Microsoft Corporation. All rights reserved. 适用于License版权许可 更多微软人工智能学习资源,请见微软人工智能教育与学习共建社 ...

  3. AI应用开发基础傻瓜书系列3-损失函数

    Copyright © Microsoft Corporation. All rights reserved. 适用于License版权许可 更多微软人工智能学习资源,请见微软人工智能教育与学习共建社 ...

  4. AI应用开发基础傻瓜书系列3-激活函数

    Copyright © Microsoft Corporation. All rights reserved. 适用于License版权许可 更多微软人工智能学习资源,请见微软人工智能教育与学习共建社 ...

  5. AI应用开发基础傻瓜书系列3-激活函数和损失函数

    Copyright © Microsoft Corporation. All rights reserved. 适用于License版权许可 更多微软人工智能学习资源,请见微软人工智能教育与学习共建社 ...

  6. AI应用开发基础傻瓜书系列附录-基本数学导数公式

    基本函数导数公式 Copyright © Microsoft Corporation. All rights reserved. 适用于License版权许可 更多微软人工智能学习资源,请见微软人工智 ...

  7. 介绍DOTA2 AI的开发基础——调试

    内容 队伍总体数据查看 查看脚本输出调试 内容 简单说一下dota2 AI的调试步骤.日后有更新或者别的技巧会继续跟进补充.V社官方文档为 https://developer.valvesoftwar ...

  8. AI应用开发实战(转)

    AI应用开发实战 - 从零开始配置环境 与本篇配套的视频教程请访问:https://www.bilibili.com/video/av24421492/ 建议和反馈,请发送到 https://gith ...

  9. Js基础知识梳理系列

    小序:总是感觉自己的技术一直在原地踏步,想学习一些新的技术,但学起来很吃力,而且总是没有什么实际的收获,似乎进入了所谓的"瓶颈期".问了一些前辈是否也遇到过同样的问题,他们给我的解 ...

最新文章

  1. python 同步 事件 event 简介
  2. 如何学STM32 —— 十年经验教你如何学习嵌入式系统
  3. 平行四边形的特殊性质
  4. 【2016年第2期】专题导读:大数据与社会治理
  5. 十二届蓝桥杯C++ 1月 中 高级组试题 第三题 换算
  6. 如何通过ildasm/ilasm修改assembly的IL代码
  7. ubuntu 环境变量配置
  8. 15个Rhino Grasshopper技巧【最新】
  9. 【Linux学习笔记】9. Linux打包压缩解压缩命令tar
  10. dnf最新地图编号2020_《DNF》2020搬砖地图有哪些
  11. 三阶魔方还原步骤图_三阶魔方七步还原法口诀,魔方新手入门图解步骤
  12. Nutch抓取过程简析
  13. STM32F103RB 实作笔记(三)- LED 7 节显示(正点原子 STM32F103 nano开发板)程式解析(上)
  14. 艾美捷人重组MEGACD40L蛋白(可溶性)实例展示
  15. 武当大字门九龙狮子功
  16. 改名叫Benson...
  17. @EnableCaching
  18. 次要和主要等位基因的定义
  19. 一个简单的画程序框图例子(画流程图)
  20. 2022年吉林最新中级消防员模拟试题题库及答案

热门文章

  1. PHP 常用数据库操作
  2. LeetCode 206 Reverse Linked List 解题报告
  3. ASP.NET MVC中的路由IRouteConstraint方法应用实例
  4. Postman----Presets(预先设置)的使用
  5. input type=submit 和button的区别及表单提交
  6. 【Poj1017】Packets
  7. git Please move or remove them before you can merge. 错误解决方案
  8. 10天学安卓-第二天
  9. vb6 枚举对象属性
  10. 《金狐系统维护盘》六周年纪念版UD/ISO +PE维护