Advertisement

深度学习题库(leetcode)-deep-learning。

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


简介:
leetcode题库提供算法、自然语言处理、深度学习以及机器学习的面试准备资源和笔记。同时,这里也包含了我在各种机器学习和深度学习面试中遇到的问题集合。除了专注于深度学习和机器学习相关内容,文档还会记录与算法岗位相关的计算机基础知识,但不会涵盖前端开发、测试、Java或Android等其他领域的知识。 RoadMap涵盖了深度学习、机器学习和自然语言处理等核心领域,并列出了C/C++和Python等常用编程语言。为了方便大家交流,欢迎分享你在深度学习或机器学习面试过程中遇到的问题。你可以直接以问题标题作为issue提交,并分享你的解答或参考资料。此外,也可以直接创建pull request(PR),同时指出文档中可能存在的错误。 我将持续更新文档结构,特别是代码链接的有效性。如果发现链接失效,请及时告知我。文档中的大部分链接都指向内部仓库中的文件或标记;涉及编程代码的链接则会指向我的另一个仓库:exacity/。 此外,参考资源包括:elviswf/(深度学习面试问题)以及huihut/(七月在线)和博客提供的在线LaTeX资源。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • DBNMatlab代码-Deep-Learning:
    优质
    这段GitHub仓库包含了用于深度学习研究的DBN(深层信念网络)的Matlab实现代码,适用于对深度学习感兴趣的开发者和研究人员。 深度学习是机器学习的一个重要领域,它通过使用多个隐藏层来对数据的高级表示进行建模。受限玻尔兹曼机(RBM)被开发出来用于建模输入数据分布,并作为特征提取器应用于各种分类算法中。深度信念网络(DBN)是由若干RBMs堆叠而成的一种结构,在贪婪预训练之后,这些RBMs可以初始化一个多层神经网络,然后通过反向传播进行微调。 在这一过程中,我们可以通过添加一个名为“分级RBM(ClassRBM)”的输出层到隐藏层之上来修改受限玻尔兹曼机。这个新架构能够同时对输入分布及其类别标签建模,并作为一种监督学习结构独立地执行分类任务。 在这项研究中,我们将ClassRBM作为顶层应用于深度信念网络,在无监督模式下进行贪婪预训练后对其进行微调,从而获得了比传统DBN更高的准确率。我们认为这种性能的提升源于预先对RBM堆栈和输出层之间权重的训练,这些权重在之前的随机初始化阶段用于后续的微调过程。
  • 解析原理,从零构建!Anatomy of the Deep Learning Principle,.zip
    优质
    本资源深入解析深度学习的核心原理,并提供从零开始构建深度学习框架的教程与代码示例,适合希望深入了解DL机制的技术爱好者和研究人员。 解剖深度学习原理,从零开始实现深度学习库!《深入探讨深度学习的基本原则》
  • 综述(Deep Learning)- 高清电子版
    优质
    本书《深度学习综述》提供了对深度学习领域的全面概述,涵盖从基础理论到最新技术的应用。以高清电子版形式呈现,便于读者深入理解并应用相关知识。 DeepLearning深度学习综述,业内三大牛的英文高清原版。
  • Deep Learning with Python: 使用Python开展
    优质
    《Deep Learning with Python》一书指导读者利用Python语言进行深度学习实践,涵盖TensorFlow和Keras库的应用。 使用Python进行深度学习:数分钟即可上手并从想法到见解 这是我对Python沙箱的深入学习。还有更多。 我2015年西雅图PyData演讲的幻灯片可以查看。 我2015年西雅图PyData演讲的视频也可以观看。
  • ENVI Deep Learning V1.0 操作指南_202003.pdf
    优质
    本手册为ENVI Deep Learning V1.0用户提供深度学习操作指导,涵盖软件安装、数据准备及模型训练等步骤,帮助用户快速掌握深度学习技术在遥感图像处理中的应用。 ENVI Deep Learning V1.0深度学习操作教程.pdf 文档内容主要介绍如何使用ENVI的Deep Learning模块进行深度学习相关操作。该教程适合希望利用ENVI软件开展遥感图像分析和处理工作的用户参考,尤其适用于对深度学习技术有一定了解但初次接触ENVI Deep Learning工具包的学习者。 请注意:原文中没有包含任何联系方式、链接或具体数据等额外信息,在重写时也未加入此类内容。
  • 的应用与方法(Deep Learning Applications and Methods)
    优质
    本课程深入探讨深度学习理论及其应用实践,涵盖神经网络架构、训练技术及优化策略,旨在提升学员解决复杂数据问题的能力。 压缩包内包含《深度学习方法及应用》和《Deep Learning Methods and Applications》,即邓力、俞栋合著的课本中文版及英文版PDF文件,仅供个人学习参考使用,严禁用于商业用途。
  • Java-Deep-Learning-Cookbook: 《Java食谱》,由Packt出版
    优质
    本书《Java深度学习食谱》由Packt出版社出版,提供了一系列使用Java进行深度学习的实际解决方案和示例代码。 《Java深度学习食谱》是Packt Publishing赞助的一本即将出版的书籍的代码存储库。本书的所有用例都使用并推广了deeplearning4j库。该书使用的官方deeplearning4j版本为1.0.0-beta3,因此书中讨论的一些方法或功能可能在较新版本中已被弃用,请务必参考最新文档。 更新版《Java深度学习指南》于2019年11月8日发布。每个章节将有一个单独的源文件夹来存放该章的所有示例代码。例如,如果要导入第2章的代码,则需要先导航到相应的目录,然后在IDE中导入sourceCode/cookbook-app目录,并且您应该能看到pom.xml文件。 从IntelliJ IDE 导航至sourceCode根目录后,请将项目作为Maven项进行配置和构建。