ApacheCN 深度学习译文集 2020.9

协议:CC BY-NC-SA 4.0

自豪地采用谷歌翻译

不要担心自己的形象,只关心如何实现目标。——《原则》,生活原则 2.3.c

  • 在线阅读
  • ApacheCN 面试求职交流群 724187166
  • ApacheCN 学习资源

目录

  • TensorFlow 1.x 深度学习秘籍
    • 零、前言
    • 一、TensorFlow 简介
    • 二、回归
    • 三、神经网络:感知器
    • 四、卷积神经网络
    • 五、高级卷积神经网络
    • 六、循环神经网络
    • 七、无监督学习
    • 八、自编码器
    • 九、强化学习
    • 十、移动计算
    • 十一、生成模型和 CapsNet
    • 十二、分布式 TensorFlow 和云深度学习
    • 十三、AutoML 和学习如何学习(元学习)
    • 十四、TensorFlow 处理单元
  • 使用 TensorFlow 构建机器学习项目中文版
    • 一、探索和转换数据
    • 二、聚类
    • 三、线性回归
    • 四、逻辑回归
    • 五、简单的前馈神经网络
    • 六、卷积神经网络
    • 七、循环神经网络和 LSTM
    • 八、深度神经网络
    • 九、大规模运行模型 -- GPU 和服务
    • 十、库安装和其他提示
  • TensorFlow 深度学习中文第二版
    • 一、人工神经网络
    • 二、TensorFlow v1.6 的新功能是什么?
    • 三、实现前馈神经网络
    • 四、CNN 实战
    • 五、使用 TensorFlow 实现自编码器
    • 六、RNN 和梯度消失或爆炸问题
    • 七、TensorFlow GPU 配置
    • 八、TFLearn
    • 九、使用协同过滤的电影推荐
    • 十、OpenAI Gym
  • TensorFlow 深度学习实战指南中文版
    • 一、入门
    • 二、深度神经网络
    • 三、卷积神经网络
    • 四、循环神经网络介绍
    • 五、总结
  • 精通 TensorFlow 1.x
    • 一、TensorFlow 101
    • 二、TensorFlow 的高级库
    • 三、Keras 101
    • 四、TensorFlow 中的经典机器学习
    • 五、TensorFlow 和 Keras 中的神经网络和 MLP
    • 六、TensorFlow 和 Keras 中的 RNN
    • 七、TensorFlow 和 Keras 中的用于时间序列数据的 RNN
    • 八、TensorFlow 和 Keras 中的用于文本数据的 RNN
    • 九、TensorFlow 和 Keras 中的 CNN
    • 十、TensorFlow 和 Keras 中的自编码器
    • 十一、TF 服务:生产中的 TensorFlow 模型
    • 十二、迁移学习和预训练模型
    • 十三、深度强化学习
    • 十四、生成对抗网络
    • 十五、TensorFlow 集群的分布式模型
    • 十六、移动和嵌入式平台上的 TensorFlow 模型
    • 十七、R 中的 TensorFlow 和 Keras
    • 十八、调试 TensorFlow 模型
    • 十九、张量处理单元
  • TensorFlow 机器学习秘籍中文第二版
    • 一、TensorFlow 入门
    • 二、TensorFlow 的方式
    • 三、线性回归
    • 四、支持向量机
    • 五、最近邻方法
    • 六、神经网络
    • 七、自然语言处理
    • 八、卷积神经网络
    • 九、循环神经网络
    • 十、将 TensorFlow 投入生产
    • 十一、更多 TensorFlow
  • 与 TensorFlow 的初次接触
    • 前言
    • 1. TensorFlow 基础知识
    • 2. TensorFlow 中的线性回归
    • 3. TensorFlow 中的聚类
    • 4. TensorFlow 中的单层神经网络
    • 5. TensorFlow 中的多层神经网络
    • 6. 并行
    • 后记
  • TensorFlow 学习指南
    • 一、基础
    • 二、线性模型
    • 三、学习
    • 四、分布式
  • TensorFlow Rager 教程
    • 一、如何使用 TensorFlow Eager 构建简单的神经网络
    • 二、在 Eager 模式中使用指标
    • 三、如何保存和恢复训练模型
    • 四、文本序列到 TFRecords
    • 五、如何将原始图片数据转换为 TFRecords
    • 六、如何使用 TensorFlow Eager 从 TFRecords 批量读取数据
    • 七、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络(CNN)
    • 八、用于 TensorFlow Eager 序列分类的动态循坏神经网络
    • 九、用于 TensorFlow Eager 时间序列回归的递归神经网络
  • TensorFlow 高效编程
  • 图嵌入综述:问题,技术与应用
    • 一、引言
    • 三、图嵌入的问题设定
    • 四、图嵌入技术
    • 基于边重构的优化问题
    • 应用
  • 基于深度学习的推荐系统:综述和新视角
    • 引言
    • 基于深度学习的推荐:最先进的技术
    • 基于卷积神经网络的推荐
  • 关于卷积神经网络我们理解了什么
    • 第1章概论
    • 第2章多层网络
    • 2.1.4生成对抗网络
    • 2.2.1最近ConvNets演变中的关键架构
    • 2.2.2走向ConvNet不变性
    • 2.3时空卷积网络
    • 第3章了解ConvNets构建块
    • 3.2整改
    • 3.3规范化
    • 3.4汇集
    • 第四章现状
    • 4.2打开问题
    • 参考
  • 机器学习超级复习笔记
  • Python 迁移学习实用指南
    • 零、前言
    • 一、机器学习基础
    • 二、深度学习基础
    • 三、了解深度学习架构
    • 四、迁移学习基础
    • 五、释放迁移学习的力量
    • 六、图像识别与分类
    • 七、文本文件分类
    • 八、音频事件识别与分类
    • 九、DeepDream
    • 十、自动图像字幕生成器
    • 十一、图像着色
  • 面向计算机视觉的深度学习
    • 零、前言
    • 一、入门
    • 二、图像分类
    • 三、图像检索
    • 四、对象检测
    • 五、语义分割
    • 六、相似性学习
    • 七、图像字幕
    • 八、生成模型
    • 九、视频分类
    • 十、部署
  • 深度学习快速参考
    • 零、前言
    • 一、深度学习的基础
    • 二、使用深度学习解决回归问题
    • 三、使用 TensorBoard 监控网络训练
    • 四、使用深度学习解决二分类问题
    • 五、使用 Keras 解决多分类问题
    • 六、超参数优化
    • 七、从头开始训练 CNN
    • 八、将预训练的 CNN 用于迁移学习
    • 九、从头开始训练 RNN
    • 十、使用词嵌入从头开始训练 LSTM
    • 十一、训练 Seq2Seq 模型
    • 十二、深度强化学习
    • 十三、生成对抗网络
  • TensorFlow 2.0 快速入门指南
    • 零、前言
    • 第 1 部分:TensorFlow 2.00 Alpha 简介
    • 一、TensorFlow 2 简介
    • 二、Keras:TensorFlow 2 的高级 API
    • 三、TensorFlow 2 和 ANN 技术
    • 第 2 部分:TensorFlow 2.00 Alpha 中的监督和无监督学习
    • 四、TensorFlow 2 和监督机器学习
    • 五、TensorFlow 2 和无监督学习
    • 第 3 部分:TensorFlow 2.00 Alpha 的神经网络应用
    • 六、使用 TensorFlow 2 识别图像
    • 七、TensorFlow 2 和神经风格迁移
    • 八、TensorFlow 2 和循环神经网络
    • 九、TensorFlow 估计器和 TensorFlow HUB
    • 十、从 tf1.12 转换为 tf2
  • TensorFlow 入门
    • 零、前言
    • 一、TensorFlow 基本概念
    • 二、TensorFlow 数学运算
    • 三、机器学习入门
    • 四、神经网络简介
    • 五、深度学习
    • 六、TensorFlow GPU 编程和服务
  • TensorFlow 卷积神经网络实用指南
    • 零、前言
    • 一、TensorFlow 的设置和介绍
    • 二、深度学习和卷积神经网络
    • 三、TensorFlow 中的图像分类
    • 四、目标检测与分割
    • 五、VGG,Inception,ResNet 和 MobileNets
    • 六、自编码器,变分自编码器和生成对抗网络
    • 七、迁移学习
    • 八、机器学习最佳实践和故障排除
    • 九、大规模训练
    • 十、参考文献

下载

PYPI

pip install apachecn-dl-zh
apachecn-dl-zh 
# 访问 http://localhost:{port} 查看文档

NPM

npm install -g apachecn-dl-zh
apachecn-dl-zh 
# 访问 http://localhost:{port} 查看文档

贡献指南

本项目需要校对,欢迎大家提交 Pull Request。

请您勇敢地去翻译和改进翻译。虽然我们追求卓越,但我们并不要求您做到十全十美,因此请不要担心因为翻译上犯错——在大部分情况下,我们的服务器已经记录所有的翻译,因此您不必担心会因为您的失误遭到无法挽回的破坏。(改编自维基百科)

联系方式

负责人

  • 飞龙: 562826179

其他

  • 在我们的 apachecn/apachecn-tf-zh github 上提 issue.
  • 发邮件到 Email: [email protected].
  • 在我们的 组织学习交流群 中联系群主/管理员即可.

赞助我们

通过平台自带的打赏功能,或点击这里。

你可能感兴趣的:(ApacheCN 深度学习译文集 2020.9)