Deeping Learning

深度学习

The First	The second
MLP
CNN
RNN/LSTM

入门

MLP，CNN，RNN/LSTM

深入

###Crop
*Crop
*Add noise
*Reverse
###各种模型结构
*LeNet
*AlexNet
*VGG
*GoogleNet(Inception v1-v4,Xception)
*ResNet
*Network-in-network
*SqueezeNet
*E-Net
*R-CNN系列
*Stack RNN/LSTM/GRU
*Seq2Seq
*CRNN
###各种trick
*Dropout
*Batch Normalization
*Local Response Normalization
*Attention
*正则化
###Operator
*Conv
*Pool
*RNN/LSTM
*Element-wise op
*Softmax
*CTC
###参数初始化
*xavier
*constant
*gaussian
*uniform
*bilinear
###激活函数
*Sigmoid
*Tanh
*RELU
*Leaky ReLU
*ELU
*Maxout
###损失函数
*Absolute loss
*Square loss
*Log loss
*Cross-Entroy loss
*Zeor-one loss
*Hinge loss
*Perceptron loss
*Exponential loss
*CTC loss
###优化方法
*SGD
*Monmentum
*Nesterov
*Adagrad
*Adadelta
*RMSprop
*Adam
*Adamax
*Nadam
###框架实现
*框架设计
*计算图与其优化
*数据并行与模型并行
*分布式
###理论与实际
*Zero-center
*梯度消失
*梯度爆炸
*如何调参
*Finetune
*增强学习
###应用
*OCR
*语音识别
*自然语言处理
*风格转移
*人脸定位&人脸识别
*手势识别
*物体追踪
*图像检测
*超分辨率重建
*去噪&去马赛克

原文地址：https://www.cnblogs.com/hugeng007/p/9307740.html

时间： 2024-08-30 13:45:45

Deeping Learning的相关文章

为什么深度学习有效？（why deep learning works）

总述:这篇文章是一次听讲座,吴大鹏教授做的why deep learning works,佛罗里达大学教授,很有名.自己对该讲座做个理解. 一.深度学习的背景相关介绍 1.machine learning:一般的ml只针对线性分类,即只是一个linear methods. 2.neural networks:第二代神经网络,是对ml的一个发展,更好地非线性分类.通过BP算法,调参数,以误差和真实值为导向,修改一系列参数,让误差趋近于0,逼近真实值.但是一般的神经网络只能到3-5层,层数多了就不行

机器学习(Machine Learning)&amp;深度学习(Deep Learning)资料

机器学习(Machine Learning)&深度学习(Deep Learning)资料機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008/Qix/blob/master/dl.md 原作作者會不斷更新.本文更新至2014-12-21 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍非常全面.从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep L

关于机器学习和深度学习的资料

声明:转来的,原文出处:http://blog.csdn.net/achaoluo007/article/details/43564321 编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定期的更新,望看到文章的朋友能够学到更多. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. &

机器学习&深度学习资料分享

感谢:https://github.com/ty4z2008/Qix/blob/master/dl.md <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室 Jurgen Schmidhuber

近200篇机器学习&amp;深度学习资料分享

编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.并且原文也会不定期的更新.望看到文章的朋友能够学到很多其它. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍非常全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室

计算机深度学习资料整理

编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定期的更新,望看到文章的朋友能够学到更多. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室 Ju

机器学习和深度学习资料合集

机器学习和深度学习资料合集注:机器学习资料篇目一共500条,篇目二开始更新希望转载的朋友,你可以不用联系我．但是一定要保留原文链接,因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．此外:某些资料在中国访问需要梯子. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in

[转]机器学习和深度学习资料汇总【01】

本文转自:http://blog.csdn.net/sinat_34707539/article/details/52105681 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen