《动手学深度学习》总结

1 基本信息

1.1 书籍名称### 1 什么是 Docker:《动手学深度学习》

1.2 撰写作者:阿斯顿·张,李沐等

1.3 出版日期:在线书籍

1.4 品读时间:2021年12月-2022年8月

1.5 整体耗时:约60h

2 什么是 Docker

2.1 摘要

本书从深度学习基础知识入手,介绍数据存储、数据处理、线性回归、正则化、数值计算等基本概念。之后针对深度学习的基础神经网络模型(MLP、CNN、RNN、Transformer)进行串讲,在解析经典模型的迭代优化过程的同时,也会结合多语言(PyTorch、MXNET,Tensorflow)从零开始实现配套代码。

在本书的最后一部分也介绍了深度学习在各个领域的应用方法,比如图像领域(目标检测、语义检测、风格迁移等)、自然语言处理(情感分析、自然语言推断等)、推荐算法(中文版暂无)

#书籍总结

2.2 特点

本书最大的特点在于与知识点内容相配套的代码实现(既有从零开始的实现,也有借助第三方模块的快速实现),其次就是李沐老师在B站也有针对本书的视频讲解(每一节视频最后还会有答疑环节,内容很精彩)

个人觉得视频讲解相比于书籍来说,内容更加详略得当,整洁清晰。书籍中虽然细节更多,但部分内容略显晦涩(前置知识铺垫不足),表述方式感觉也存在优化空间(疑似存在机翻的痕迹,部分名词的翻译也有些别扭)

由于书籍篇幅的限制,本书仅能针对很多较为的经典模型进行了理论讲解,并对部分模型进行了简化版的代码实现。因此会有一些模型细节没有办法完全展开,也难免会遗漏一些较为前沿的模型与技术,对这方面感兴趣的读者可以持续关注李沐老师的课程《实用机器学习》《论文精读系列》

总的来说,本书很适合帮助初学者入门,也适合帮助有一定基础的读者进行知识的归纳总结,或作为工具书随用随查。

2.3 评分:⭐⭐⭐⭐

3 大纲

0.《动手学深度学习》英文版补充

1.《动手学深度学习》前言

2.《动手学深度学习》预备知识

3.《动手学深度学习》线性神经网络

4.《动手学深度学习》多层感知机

5.《动手学深度学习》深度学习计算

6.《动手学深度学习》卷积神经网络

7.《动手学深度学习》现代卷积神经网络

8.《动手学深度学习》循环神经网络

9.《动手学深度学习》现代循环神经网络

10.《动手学深度学习》注意力机制

11.《动手学深度学习》优化算法

12.《动手学深度学习》计算性能

13.《动手学深度学习》计算机视觉

14.《动手学深度学习》自然语言处理:预训练

15.《动手学深度学习》自然语言处理:应用

4 教学资源

关键字

#深度学习 #PyTorch

往年同期文章