前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >资源|以实战的方式学习深度网络架构

资源|以实战的方式学习深度网络架构

作者头像
AI算法与图像处理
发布2019-10-10 11:57:27
4250
发布2019-10-10 11:57:27
举报
文章被收录于专栏:AI算法与图像处理

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
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-10-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI算法与图像处理 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档