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
切换章节
切换章节
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
4. 分布式机器学习
4.1 数据并行和模型并行
关于本章
这部分开始介绍神经网络,共有如下几篇文章:
前馈神经网络及数学推导
Softmax
PyTorch的Tensor和自动求导
实战:使用PyTorch构建神经网络进行房价预测