Name		Name	Last commit message	Last commit date
Latest commit History 87 Commits
10.1 词嵌入(word2vec).ipynb		10.1 词嵌入(word2vec).ipynb
10.10. 束搜索.ipynb		10.10. 束搜索.ipynb
10.11.注意力机制.ipynb		10.11.注意力机制.ipynb
10.2 近似训练.ipynb		10.2 近似训练.ipynb
10.4 字词嵌入(fastText).ipynb		10.4 字词嵌入(fastText).ipynb
10.5. 全局向量的词嵌入（GloVe）.ipynb		10.5. 全局向量的词嵌入（GloVe）.ipynb
10.6. 求近义词和类比词.ipynb		10.6. 求近义词和类比词.ipynb
10.9. 编码器-解码器（seq2seq）.ipynb		10.9. 编码器-解码器（seq2seq）.ipynb
2.2 数据操作.ipynb		2.2 数据操作.ipynb
2.3 自动求梯度.ipynb		2.3 自动求梯度.ipynb
3.1 线性回归.ipynb		3.1 线性回归.ipynb
3.10. 多层感知机的简洁实现.ipynb		3.10. 多层感知机的简洁实现.ipynb
3.11. 模型选择、欠拟合和过拟合.ipynb		3.11. 模型选择、欠拟合和过拟合.ipynb
3.12. 权重衰减.ipynb		3.12. 权重衰减.ipynb
3.13. 丢弃法.ipynb		3.13. 丢弃法.ipynb
3.14. 正向传播、反向传播和计算图.ipynb		3.14. 正向传播、反向传播和计算图.ipynb
3.15. 数值稳定性和模型初始化.ipynb		3.15. 数值稳定性和模型初始化.ipynb
3.2线性回归的从零开始实现.ipynb		3.2线性回归的从零开始实现.ipynb
3.3 线性回归的简洁实现.ipynb		3.3 线性回归的简洁实现.ipynb
3.4. softmax回归.ipynb		3.4. softmax回归.ipynb
3.5. 图像分类数据集(Fashion_Mnist).ipynb		3.5. 图像分类数据集(Fashion_Mnist).ipynb
3.6. softmax回归地从零开始实现.ipynb		3.6. softmax回归地从零开始实现.ipynb
3.7. softmax回归的简洁实现.ipynb		3.7. softmax回归的简洁实现.ipynb
3.8. 多层感知机.ipynb		3.8. 多层感知机.ipynb
3.9. 多层感知机的从零开始实现.ipynb		3.9. 多层感知机的从零开始实现.ipynb
4.1. 模型构造.ipynb		4.1. 模型构造.ipynb
4.2. 模型参数的访问、初始化和共享.ipynb		4.2. 模型参数的访问、初始化和共享.ipynb
4.3. 自定义层.ipynb		4.3. 自定义层.ipynb
4.4.模型读取和存储.ipynb		4.4.模型读取和存储.ipynb
5.1. 二维卷积层.ipynb		5.1. 二维卷积层.ipynb
5.10. 批量归一化.ipynb		5.10. 批量归一化.ipynb
5.11. 残差网络(ResNet).ipynb		5.11. 残差网络(ResNet).ipynb
5.12. 稠密连接网络(DenseNet).ipynb		5.12. 稠密连接网络(DenseNet).ipynb
5.2. 填充和步幅.ipynb		5.2. 填充和步幅.ipynb
5.3. 多输入通道和多输出通道.ipynb		5.3. 多输入通道和多输出通道.ipynb
5.4. 池化层.ipynb		5.4. 池化层.ipynb
5.5. 卷积神经网络(LeNet).ipynb		5.5. 卷积神经网络(LeNet).ipynb
5.6. 深度卷积神经网络(AlexNet).ipynb		5.6. 深度卷积神经网络(AlexNet).ipynb
5.7. 使用重复元素的网络(VGG).ipynb		5.7. 使用重复元素的网络(VGG).ipynb
5.8. 网络中的网络(NiN).ipynb		5.8. 网络中的网络(NiN).ipynb
5.9. 含并行连结的网络(GoogLeNet).ipynb		5.9. 含并行连结的网络(GoogLeNet).ipynb
6.1. 语言模型.ipynb		6.1. 语言模型.ipynb
6.10. 双向循环神经网络.ipynb		6.10. 双向循环神经网络.ipynb
6.2. 循环神经网络.ipynb		6.2. 循环神经网络.ipynb
6.3. 语言模型数据集（周杰伦专辑歌词）.ipynb		6.3. 语言模型数据集（周杰伦专辑歌词）.ipynb
6.4. 循环神经网络的从零开始实现.ipynb		6.4. 循环神经网络的从零开始实现.ipynb
6.5. 循环神经网络的简洁实现.ipynb		6.5. 循环神经网络的简洁实现.ipynb
6.7. 门控循环单元（GRU）.ipynb		6.7. 门控循环单元（GRU）.ipynb
6.8. 长短期记忆(LSTM).ipynb		6.8. 长短期记忆(LSTM).ipynb
6.9. 深度循环神经网络.ipynb		6.9. 深度循环神经网络.ipynb
7.1. 优化与深度学习.ipynb		7.1. 优化与深度学习.ipynb
7.2. 梯度下降和随机梯度下降.ipynb		7.2. 梯度下降和随机梯度下降.ipynb
7.3. 小批量随机梯度下降.ipynb		7.3. 小批量随机梯度下降.ipynb
7.4. 动量法.ipynb		7.4. 动量法.ipynb
7.5. AdaGrad算法.ipynb		7.5. AdaGrad算法.ipynb
7.6. RMSProp算法.ipynb		7.6. RMSProp算法.ipynb
7.7. AdaDelta算法.ipynb		7.7. AdaDelta算法.ipynb
7.8. Adam算法.ipynb		7.8. Adam算法.ipynb
9.1. 图像增广.ipynb		9.1. 图像增广.ipynb
9.2. 微调.ipynb		9.2. 微调.ipynb
9.3. 目标检测和边界框.ipynb		9.3. 目标检测和边界框.ipynb
README.md		README.md

Repository files navigation

《动手学深度学习》tensorflow、keras版

使用tensorflow和keras实现《动手学深度学习》

chongzicbo/Dive-into-Deep-Learning-tf.keras

Folders and files

Latest commit

History

Repository files navigation

《动手学深度学习》tensorflow、keras版

About

Resources

Stars

Watchers

Forks

Languages