资源|以实战的方式学习深度网络架构

来源：AI遇见机器学习

一、资源简介

本文为大家带来了加泰罗尼亚理工大学的Santlago同学分享的深度网络架构slides，其中详细描述了各种常见的网络架构，并为每种网络附带了一份pytorch实现的代码，相信对初学者理解网络模型有非常大的帮助。

PyTorch的前身是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口。它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这是很多主流深度学习框架比如Tensorflow等都不支持的。

官网：

https://docs.google.com/presentation/d/1MFhet5q-SIPqc_54CXWiBvlT9OdSi6P8kpkm6IxuyEM/edit#slide=id.g522eca1928_0_11

二、主要内容

在深度模型的学习过程中，通常要求学习者真正的理解模型，并且能够独自实现它们。在本篇文章中，作者尝试在最短期间内，帮助初学者抹平理论与实践之间的间隔（通过PyTorch代码片段来加固理论理解）。

下面是主要目录

1. 基本体系结构
2. 完全连接层
3. 循环层
4. 卷积层
5. 先进的神经网络架构
6. 混合CNN/RNN = QRNN
7. Auto-Encoders
8. 深度分类器/回归器
9. 残差连接/跳过连接，U-Net和SEGAN
10. 生成对抗网络(DCGAN)
11. 总结