d2l_zh
《动手学深度学习》第二版PyTorch版本
运行环境：Google Colab
2023-02-13 17:19:31
3KB
1
动手学深度学习（pytorch）中的d2lzh_pytorch资源，望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望望采纳！
2022-11-23 22:51:05
9KB
1
模型微调》文本情感分类文本情感分类文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。后续内容将从以下几个方面展开：文本情感分类数据
2022-10-29 12:43:45
34KB
1
动手学深度学习（D2L深度学习）
|
理解深度学习的最佳方法是学以致用。
本开源项目代表了我们的一种尝试：我们将教给读者概念，背景知识和代码；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为实现以下目标的统一资源：
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。这样直接直接将数学公式对应成实际代码，而且可以修改代码，观察结果并及时获取经验；
允许我们和整个社区不断快速迭代内容，从而紧跟仍在高速发展的深度学习领域；
由包含有关技术细节问答的论坛作为补充，使大家可以相互相互答疑并交换经验。
将本书（中英文版）利用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.
2022-10-26 22:28:18
42.6MB
1
课程介绍
本课程面向希望更多的通过代码实践去学习深度学习原理的同学和在职人士。
《动手学深度学习》是2019年国内最受欢迎的人工智能学习教材之一，伯禹教育携手上海交通大学团队，以此书的知识架构为基础，沿用了其中的原理讲解文档，并将代码框架由MXNET迁移至PyTorch，还对这些优质的实践代码制作了讲解视频。其中部分PyTorch代码来自GitHub开源仓库：https://github.com/ShusenTang/Dive-into-DL-PyTorch。
通过这门课程的学习，你将可以对深度学习中常见的方法以及相关的应用有一个从原理到实践的全面了解。
本课程主要针对代码进行讲解，理论基础较
2022-10-23 15:41:10
45KB
1