|
近年来，深度学习在语音、图像、自然语言处理等领域都取得了非常不错的成果，自然而然地成为技术人员争相学习的热点。
为了帮助正在学习深度学习的伙伴们，川大的一名优秀毕业生，在GitHub上创建了一个项目：《深度学习500问》，通过问答的形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为15个章节，近20万字。
虽然本书还未完结，但还是值得一读，下面我们详细介绍书中有哪些内容：
第一章数学基础
本章主要讲解了数学基础知识，不仅涵盖了相关的基础概念，还包括彼此之间的联系，如标量、向量、张量之间的联系；张量和矩阵的区别，还有常见的概率分布：
此外，还讲解了不同类型的概率分布和统计学（期望、方差、协方差、相关数）的相关基础知识
第二章机器学习基础
本章为大家罗列了常见的算法以及常见分类算法的优缺点、分类算法的评估用法、大数据与深度学习的关系等，第二章涵盖的知识点虽然很多但却十分全面。
第三章深度学习基础
本章开始进入主题，为了描述神经网络，书中从最简单的神经网络说起，然后层层深入，列举了神经网络的常用模型结构，如何选择一个深度学习开发平台等重点内容，如神经网络常用的模型结构如下：
第四章经典网络
本章向大家介绍了几种经典网络，包括LeNet-5、AlexNet、可视化ZFNet-解卷积、GoogleNet的模型结构及模型解读等，如LeNet-5的模型结构如下：
看了上面这些内容，你是不是已经迫不及待想深度读一下这本未完结的书呢？或者你正从事该领域的工作，也可以帮助作者完善成书。
| 
发表于 2018-11-1 19:47:37
