Advertisement

D2L-ZH:《动手学深度学习》:适合中文读者,支持运行和讨论。中英文版本已在全球175所高校使用为教材

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
《动手学深度学习》是由D2L团队打造的一本面向全球中文读者的学习资料,不仅支持在线运行代码实验,还有活跃的社区供用户交流讨论,目前已被全球175所高校选作教学材料。中英文双语版本均广受欢迎。 《动手学深度学习》| 理解深度学习的最佳方法是学以致用。本开源项目旨在教授读者概念、背景知识及代码;我们将在同一个地方分解剖析问题所需的批判性思维,解决问题所需的数学知识,以及实现解决方案所需的工程技能。我们的目标是创造一个统一资源:所有人在网上免费获取;提供足够的技术深度,从而帮助读者实际成为深度学习应用科学家:既理解数学原理,又能够实现并不断改进方法;包括可运行的代码,为读者展示如何在实际中解决问题。这样直接将数学公式对应成实际代码,并允许修改代码以观察结果和及时获取经验;使我们和整个社区能快速迭代内容,紧跟仍在高速发展的深度学习领域;并通过论坛补充技术细节问答,让参与者相互答疑并交换经验。本书(中英文版)可用作教材或参考书的大学如果本书对你有帮助,请星级本仓库或引用本书英文版:@book{zhang2020dive, title={Dive into Deep Learning}, author={Aston Zhang and Zachary C.}

全部评论 (0)

还没有任何评论哟~
客服
客服
  • D2L-ZH:《》:175使
    优质
    《动手学深度学习》是由D2L团队打造的一本面向全球中文读者的学习资料,不仅支持在线运行代码实验,还有活跃的社区供用户交流讨论,目前已被全球175所高校选作教学材料。中英文双语版本均广受欢迎。 《动手学深度学习》| 理解深度学习的最佳方法是学以致用。本开源项目旨在教授读者概念、背景知识及代码;我们将在同一个地方分解剖析问题所需的批判性思维,解决问题所需的数学知识,以及实现解决方案所需的工程技能。我们的目标是创造一个统一资源:所有人在网上免费获取;提供足够的技术深度,从而帮助读者实际成为深度学习应用科学家:既理解数学原理,又能够实现并不断改进方法;包括可运行的代码,为读者展示如何在实际中解决问题。这样直接将数学公式对应成实际代码,并允许修改代码以观察结果和及时获取经验;使我们和整个社区能快速迭代内容,紧跟仍在高速发展的深度学习领域;并通过论坛补充技术细节问答,让参与者相互答疑并交换经验。本书(中英文版)可用作教材或参考书的大学如果本书对你有帮助,请星级本仓库或引用本书英文版:@book{zhang2020dive, title={Dive into Deep Learning}, author={Aston Zhang and Zachary C.}
  • D2L-ZH:互,含多框架代码、数解析与175
    优质
    D2L-ZH是一款全面的互动深度学习教材,内含多种框架代码及详尽数学解析,并设有丰富的讨论环节。目前已获175所高校采纳使用。 D2L.ai:一本集成了多框架代码、数学知识与讨论的交互式深度学习书籍 | 最新版本:v0.16.1 理解深度学习的最佳途径是通过实践来学习。 这本开放源代码的书体现了我们进行深度学习研究的努力,旨在向读者传授概念、背景信息和编程技术。整本书在Jupyter笔记本中编写完成,将图表展示、数学公式与交互式示例无缝结合,并提供独立运行的代码。 我们的目标是: - 提供免费且可访问的学习资源; - 深入讲解技术细节,为成为应用机器学习科学家奠定基础; - 展现如何在实践中解决问题的实际代码; - 便于我们及整个社区迅速更新内容; - 设立一个论坛平台,用于对技术问题进行互动讨论和答疑。 使用D2L的高等院校 以及一些利用D2L研究成果发表的论文: 1. D. Scieur, F. Pedregosan。国际机器学习大会,2020年。 2. Słoński M., Tekieli。 物料,2020年。 3. 郭J., 何H., 何T., 何L., 劳森L.L., 林H.H, 石C.C, 王C.W, 谢J.X, 扎S.Z, 扎A.A, 张H.Zhang H.H, 张Z.Z Zhang Z.Z, 郑Y. Zheng Y.Y 和 朱Y. Zhu。机器学习研究杂志,2020年。 4. M. Alkinani, W.Khan和Q.A。 以上内容是根据原文信息重写而成的版本,未包含任何联系方式或网址链接,并且保持了原意不变。
  • (D2L件)
    优质
    《动手学深度学习》(D2L)是一本基于实践的深度学习教程,采用简洁代码示例和理论解释相结合的方式,帮助读者快速掌握深度学习的核心概念和技术。 动手学深度学习(D2L)文件包含了课程所需的所有资源和技术支持文档,旨在帮助学生更好地理解和实践深度学习的概念与算法。这些资料涵盖了从基础知识到高级应用的广泛内容,并且提供了丰富的示例代码和实验指导,使读者能够通过实际操作来加深对理论知识的理解。 此外,该文件还包括了详细的教程以及常见问题解答部分,为初学者提供了一个友好、全面的学习环境。无论是对于想要入门深度学习的学生还是希望深入研究相关技术的研究人员而言,《动手学深度学习》都是一个非常有价值的资源库。
  • D2L-Torch: 《》PyTorch源码
    优质
    D2L-Torch是《动手学深度学习》一书的官方PyTorch版本源代码,旨在为读者提供一个易于使用的实践平台。 首先感谢《动手学深度学习》的原作者和贡献者为我们提供了一本极为优秀的书籍。如果您对框架没有特定偏好或需求,不妨尝试MXNet这一出色的深度学习框架。 本书基于《动手学深度学习》(19年5月20日版本)进行编写,并将所有代码改用PyTorch实现,同时以注解的形式解释并扩展部分内容。由于PyTorch与MXNet在设计上存在差异,书中对原书的部分内容进行了删减和修改。 请按照目录中的顺序阅读学习本书的内容。如果您喜欢这本书,请给本项目点个赞,并购买原书的纸质版来支持作者及贡献者的工作。短期内该项目将不再进行更新,在需要计算性能或计算机视觉相关章节时,可以参考其他资源。如果有任何疑问,欢迎提出交流讨论。
  • 土力):
    优质
    《土力学》(英文版)是一本专为英国高校学生编写的教科书,全面介绍了土体的基本性质、测试方法及工程应用原理。 英国大学土力学教程的作者是邓迪大学的Craig教授。
  • Origin简明程(),使
    优质
    《Origin简明教程》是一本专为中文读者设计的学习手册,旨在帮助初学者快速掌握数据分析和科学绘图软件Origin的各项功能。书中内容浅显易懂,实例丰富,是科研入门的理想指导书。 该教程适合初学者了解和学习Origin软件,但内容较为简单,对进一步深入学习帮助不大。
  • (第一)
    优质
    本书为《深度学习》一书的第一版中文导读,旨在引导读者深入了解并掌握深度学习的基本概念、技术及其应用领域。 本书面向的读者群体广泛,并回顾了深度学习的历史趋势以及神经网络的各种名称及其命运变迁。随着数据量的不断增加、模型规模的增长以及精度与复杂度的要求提升,深度学习对现实世界的影响也日益显著。
  • Libevent册()+ 源码解析(非常
    优质
    《Libevent学习手册》提供全面而清晰的libevent库讲解,结合源代码深入剖析,特别适合编程新手快速掌握事件驱动程序开发技巧。 学完之后自己有了很大的提高,希望能帮助到大家。