计算图上的微积分：反向传播（以及其他挖坑待补充内容）

内容来源博客（需科学上网）：http://colah.github.io/

大神的油管教学视频：https://www.youtube.com/user/BrandonRohrer

计算图参考阅读：http://colah.github.io/posts/2015-08-Backprop/

 

其他待补充内容：

RNN和LSTM:

• http://colah.github.io/posts/2015-08-Understanding-LSTMs/
• https://distill.pub/2016/augmented-rnns/

卷积和神经网络：

• 模块化的观点：http://colah.github.io/posts/2014-07-Conv-Nets-Modular/
• 理解卷积：http://colah.github.io/posts/2014-07-Understanding-Convolutions/
• 团体卷积：http://colah.github.io/posts/2014-12-Groups-Convolution/
• 解卷积和棋盘工件：https://distill.pub/2016/deconv-checkerboard/

网络可视化

• Visualizing MNIST:http://colah.github.io/posts/2014-10-Visualizing-MNIST/
• 网络可视化：https://distill.pub/2017/feature-visualization/
• 网络可解释性：https://distill.pub/2018/building-blocks/
• 深入研究inception网络：https://ai.googleblog.com/2015/06/inceptionism-going-deeper-into-neural.html
• 用神经网络进行手写的四个实验：https://distill.pub/2016/handwriting/
• 可视化，深度学习与人：http://colah.github.io/posts/2015-01-Visualizing-Representations/