思维导图备注

[深度学习入门：基于Python的理论与实现]斋藤康毅
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

版权信息

浏览 5 扫码
  • 小字体
  • 中字体
  • 大字体
2022-10-21 15:47:36
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 版权信息
  • 版权声明
  • O'Reilly Media, Inc.介绍
  • 业界评论
  • 译者序
  • 前言
  • 本书的理念
  • 本书面向的读者
  • 本书不面向的读者
  • 本书的阅读方法
  • 让我们开始吧
  • 表述规则
  • 致谢
  • 第 1 章　Python 入门
  • 1.1　Python是什么
  • 1.2　Python的安装
  • 1.3　Python解释器
  • 1.4　Python脚本文件
  • 1.5　NumPy
  • 1.6　Matplotlib
  • 1.7　小结
  • 第 2 章　感知机
  • 2.1　感知机是什么
  • 2.2　简单逻辑电路
  • 2.3　感知机的实现
  • 2.4　感知机的局限性
  • 2.5　多层感知机
  • 2.6　从与非门到计算机
  • 2.7　小结
  • 第 3 章　神经网络
  • 3.1　从感知机到神经网络
  • 3.2　激活函数
  • 3.3　多维数组的运算
  • 3.4　3 层神经网络的实现
  • 3.5　输出层的设计
  • 3.6　手写数字识别
  • 3.7　小结
  • 第 4 章　神经网络的学习
  • 4.1　从数据中学习
  • 4.2　损失函数
  • 4.3　数值微分
  • 4.4　梯度
  • 4.5　学习算法的实现
  • 4.5.2　mini-batch 的实现
  • 4.6　小结
  • 第 5 章　误差反向传播法
  • 5.1　计算图
  • 5.2　链式法则
  • 5.3　反向传播
  • 5.4　简单层的实现
  • 5.5　激活函数层的实现
  • 5.6　Affine/Softmax 层的实现
  • 5.7　误差反向传播法的实现
  • 5.7.3　误差反向传播法的梯度确认
  • 5.8　小结
  • 第 6 章　与学习相关的技巧
  • 6.1　参数的更新
  • 6.2　权重的初始值
  • 6.3　Batch Normalization
  • 6.4　正则化
  • 6.5　超参数的验证
  • 6.6　小结
  • 第 7 章　卷积神经网络
  • 7.1　整体结构
  • 7.2　卷积层
  • 7.3　池化层
  • 7.4　卷积层和池化层的实现
  • 7.5　CNN的实现
  • 7.6　CNN的可视化
  • 7.7　具有代表性的 CNN
  • 7.8　小结
  • 第 8 章　深度学习
  • 8.1　加深网络
  • 8.2　深度学习的小历史
  • 8.3　深度学习的高速化
  • 8.4　深度学习的应用案例
  • 8.5　深度学习的未来
  • 8.6　小结
  • 附录 A　Softmax-with-Loss 层的计算图
  • A.1　正向传播
  • A.2　反向传播
  • A.3　小结
  • 参考文献
  • 版权信息
  • 看完了
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《[深度学习入门：基于Python的理论与实现]斋藤康毅》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度