“第十七章 深度学习”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
第29行: 第29行:
 
* AutoWriter[https://cyborg.tenso.rs/]
 
* AutoWriter[https://cyborg.tenso.rs/]
 
* HoggingFace 演示[https://www.kdnuggets.com/2022/05/top-10-machine-learning-demos-hugging-face-spaces-edition.html]
 
* HoggingFace 演示[https://www.kdnuggets.com/2022/05/top-10-machine-learning-demos-hugging-face-spaces-edition.html]
 +
* CNN visualization [https://distill.pub/2017/feature-visualization/]
  
 
==开发者资源==
 
==开发者资源==

2022年9月12日 (一) 13:40的版本

教学资料

  • 教学参考
  • 课件
  • 小清爱提问:什么是深度学习(上)?[1]
  • 小清爱提问:什么是深度学习(下)?[2]

扩展阅读

  • AI100问:什么是深度学习?[3]
  • 维基百科:深度学习 [4][5]
  • 维基百科:杰弗里·辛顿 [6][7]
  • 维基百科:约书亚·本希奥 [8][9]
  • 维基百科:杨立昆 [10][11]
  • 维基百科:通用近似定理[12][13]

视频展示

  • VGG Net visualization [14]
  • Disclaimer CNN 展示 [15]

演示链接

  • ConvNetJS 深度神经网络演示 [16]
  • Leiden Demo for image classification [17]
  • CNN explainer[18]
  • Quick style transfer [19]
  • Pix2Pix[20]
  • AutoWriter[21]
  • HoggingFace 演示[22]
  • CNN visualization [23]

开发者资源

  • Georgia Tech, Polo Club (可解释机器学习) [24]
  • Google developer courses [25]
  • ConvNetJS 代码 [26]

高级读者

  • LeCun Y, Bengio Y, Hinton G. Deep learning[J]. nature, 2015, 521(7553): 436-444.[27]
  • Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[J]. Advances in neural information processing systems, 2012, 25. [28]
  • Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neural networks[J]. science, 2006, 313(5786): 504-507. [29]
  • Hinton G E, Osindero S, Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554. [30]
  • Universal approximation theorem [31]
  • 王东,机器学习导论,第三章,神经模型,2021,清华大学出版社 [32]
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning [33]