dlcv_for_beginners
1.0.0
Merci pour les différentes questions soulevées dans la question. Parce qu'il n'a pas été mis à jour depuis trop longtemps, je prévoyais à l'origine de me concentrer sur la mise à jour avant le festival du printemps, mais après l'avoir lu, je sentais que je ne pouvais pas commencer. De plus, j'avais discuté avec le rédacteur en chef de la société de livres que je ne devais pas publier la deuxième édition ou la version réimprimée, j'ai donc décidé d'abandonner ...
L'une des erreurs que je me suis trouvée concerne les valeurs propres. Le SVD n'est pas utilisé pour les matrices définies inverses, mais pour les matrices asymétriques. Pour plus de détails, veuillez vous référer à la réponse ZHUHU mise à jour: https://www.zhihu.com/question/20507061/answer/120540926 L'errata dans d'autres parties est déjà dans Errata.pdf, ou la discussion de chacun en cause est essentiellement correcte.
Ce dépôt ne devrait plus être mis à jour (franchement, la seconde moitié de ce livre est obsolète). Si vous avez des questions, veuillez m'envoyer un message privé: yeyun11
Je vous souhaite à tous une bonne année chinoise, le Nouvel An 2020
Nommé à l'origine "Deep Learning and Computer Vision: An Introduction to Exemples", veuillez noter: Ce livre est positionné comme une introduction .
Cliquez ici pour le code. Pour télécharger toutes les versions électroniques du tableau des couleurs, veuillez vous référer à la version en ligne des chapitre 5 et du chapitre 6 pour les graphiques des couleurs: chapitre 5, chapitre 5, chapitre 6.
Pour certaines raisons que je ne comprends pas, le livre anglais en anglais était exigé par l'éditeur de traduire avec force. Enfin: 1) Certains anglais ont été traduits en chinois à des degrés divers, et 2) la liste des documents qui représentaient la majorité des documents anglais ne pouvaient pas être inclus dans le livre. Une liste de citations est là.
Veuillez venir ici pour des erreurs dans le contenu. L'errata est là.
Lien d'achat: JD.com, Amazon, Dangdang
Chapitre 5: Exemples de visualisation Numpy et Matplotlib Chapitre 6: Widget d'annotation de détection d'objets et widget d'amélioration des données locales Chapitre 7: Classification du plan bidimensionnel, basée respectivement sur CAFE et MXNET
Chapitre 8: Classification MNIST, basée respectivement sur CAFE et MXNET
Chapitre 9: Diplôme du chaos d'image basé sur la régression de la CAFFE et la visualisation du noyau de convolution Chapitre 10: Apprentissage transfert des modèles de classification des aliments, matrice de confusion, dessin de courbe ROC et visualisation du graphique de la catégorie de modèle, basée sur la café
Chapitre 12: Utilisation de MNIST pour former le réseau siamois, visualisation T-SNE, basée sur Caffe
Le livre n'inclut pas divers: y compris la fabrication d'échantillons contradictoires (CAFE), le GAN bidimensionnel et la visualisation du processus de formation (pytorch), la mosaïque automatique des images pornographiques (CAFE), le modèle Fusion (Caffe), la segmentation d'image (Pytorch)
Élagage modèle (pytorch)
