鱼书《深度学习入门基于python的理论与实现》代码

python深度学习入门教程

两本经典深入的深度学习入门和进阶的书籍（魏秀参教授的解析卷积神经网络，Michael Nielsen的Neural Networks and Deep Learning），自己读过，觉得这两本书挺好，特意分享给大家（特别是英文的那本，让读者深入理解神经网络的本质）

PYTORCH深度学习入门与实战 案例视频精讲_14770540.pdf

本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。

使用多层感知机对鸢尾花数据集3分类，不是二分类。 并且输出准确率，代码亲测有效！没用你来打我！ 博文链接：https://blog.csdn.net/innovationy/article/details/121770961

基于pytorch进行神经网络搭建，前馈神经网络拟合函数y=sinx+exp(-x)

深度学习入门之PyTorch by 廖星宇 (z-lib.org).pdf

源码基于numpy和pytorch，包含各类传统的强化学习算法，可以用于入门学习和非专业领域快速应用。

1. pytorch概述 2.深度学习基础与线性回归实例 3.pytorch张量 4.逻辑回归与多层感知机 5.多分类问题 6.手写数字全连接模型 7.基础部分总结 8.计算机视觉基础 9.预训练模型(迁移学习) 10.Dataset数据输入 11.现代网络架构 12.图像定位 13.Unet图像语义分割 14.LinNet图像语义分割 15.文本分类与词嵌入表示 16.Rnn循环神经网络 17（一）. twitter 评论情绪分类 17（二）. 中文外卖评论情绪分类 18.注意力机制 19. Rnn序列预测-北京空气质量 20. Tensorboard可视化 21.一维卷积网络 23.语义分割图片的标注——Labelme使用教程 24.多任务学习 25.目标识别与目标检测 课程资料"