跳转链接

  • 转到主导航栏
  • 转到内容
  • 转到底部
皮皮鲁的科技星球
  • 首页
  • 博客
  • Flink教程
  • 机器学习笔记
  • GPU教程
  • 关于我
    • 机器学习笔记
      • 关于本教程
    • 1. 线性模型
      • 1.1 线性回归的数学表示
      • 1.2 线性回归的求解
      • 1.3 最大似然估计
      • 1.4 模型容量、欠拟合和过拟合
      • 1.5 正则化：防止模型过拟合
      • 1.6 Logistic Regression
    • 2. 神经网络
      • 2.1 前馈神经网络
      • 2.2 Softmax
      • 2.3 PyTorch的Tensor和自动求导
      • 2.4 实战：使用PyTorch进行房价预测
    • 3. 卷积神经网络
      • 3.1 二维卷积层的数学基础
      • 3.2 池化层
      • 3.3 LeNet：一个简单的卷积神经网络
      • 3.4 AlexNet：深度卷积神经网络开始兴起
      • 3.5 VGG：使用基础卷积块的网络
      • 3.6 NiN：使用1×1卷积层替代全连接层
      • 3.7 GoogLeNet：并行连接的网络
      • 3.8 BatchNorm：批量归一化
      • 3.9 ResNet：残差神经网络
    • 4. 分布式机器学习
      • 4.1 数据并行和模型并行

    关于本章

    本页内容

    配套源码

    这部分开始介绍神经网络，共有如下几篇文章：

    1. 前馈神经网络及数学推导
    2. Softmax
    3. PyTorch的Tensor和自动求导
    4. 实战：使用PyTorch构建神经网络进行房价预测

    留下评论

    • 关注:
    • 微信
    • GitHub
    • 知乎
    • Feed
    © 2021 lulaoshi.info. Powered by Jekyll & Minimal Mistakes. 京ICP备20015649号. 公安备案京公网安备 11010802031786号