深度学习MxNet原作者视频

为什么要深度学习.深度学习是什么?

深度学习的本质,其实就是模拟已知.只不过这个模拟的数据非常大.模拟只能用于已知.当然,我们可以不断调整,使其符合各种各样的规则.这样,人就免于自己去造规则了.

神经机器翻译最明显了.不断的去模拟.机器学习的致命弱点还是机器是死的.如果输入是垃圾,输出永远也是垃圾.

好.下面收集的是MxNet作者李沐的视频.

跟着高手走,当不了高手,也是好手.

光看书的缺点就是找不着重点.看视频就能够晓得高手的思路.

十九节课.

我下载了所有视频,然后上传到百度网盘:

一个文件夹,深度学习全部都有.https://pan.baidu.com/s/19V0fHOQTpAYWwbpqBlw3zQ

百度上传一下就上传完了.还是百度盘网页功能好.百度客户端连搜索个文件夹名,都搜索不到.

下载地址:

目录如下:

课程大纲

第一课：从上手到多类分类

第二课：过拟合、多层感知机、GPU和卷积神经网络

第三课：深度卷积网络，如何使用Gluon，以及核武器购买指南

第四课：BatchNorm，更深的卷积神经网络，图片增强和新的Kaggle练习

第五课：Gluon高级和优化算法基础

第六课：优化算法高级和计算机视觉

第七课：物体检测

第八课：物体检测·续

第九课：物体检测·再续

第十课：语义分割

第十一课：样式迁移

第十二课：循环神经网络

第十三课：正向传播、反向传播和通过时间反向传播

第十四课：实现、训练和应用循环神经网络

第十五课：门控循环单元（GRU）、长短期记忆（LSTM）、多层循环神经网络以及Gluon实现

第十六课：词向量（word2vec）

第十七课：GloVe、fastText和使用预训练的词向量

第十八课：seq2seq（编码器和解码器）和注意力机制

[第一季完结] 第十九课：应用seq2seq和注意力机制：机器翻译

好,收工.