d2l pytorch

---

更新：請參閱Orignal Repo以獲取完整的Pytorch端口。我們不再維護此回購。

該項目從原始的潛水中，由阿斯頓·張（Aston Zhang），Zachary C. Lipton，Mu Li，Alex J. Smola和所有社區貢獻者改編成深度學習書。原始書籍的Github：https：//github.com/d2l-ai/d2l-en。我們已經努力修改本書並將MXNET代碼片段轉換為Pytorch。

注意：某些IPYNB筆記本可能不會在Github中完美地渲染。我們建議cloning庫克隆或使用NBViewer查看筆記本。

章節

• CH02安裝

  • 安裝

• CH03簡介

  • 介紹

• CH04預賽：崩潰

  • 4.1數據操縱
  • 4.2線性代數
  • 4.3自動差異
  • 4.4概率和統計
  • 4.5天真的貝葉斯分類
  • 4.6文檔

• CH05線性神經網絡

  • 5.1線性回歸
  • 5.2從頭開始線性回歸實現
  • 5.3線性回歸的簡明實施
  • 5.4軟馬克斯回歸
  • 5.5圖像分類數據（時尚記）
  • 5.6從頭開始實施SoftMax回歸
  • 5.7簡明實施SoftMax回歸

• CH06多層感知

  • 6.1多層感知器
  • 6.2從頭開始實施多層感知器
  • 6.3簡明實施多層感知器
  • 6.4模型選擇不足和過擬合
  • 6.5重量衰減
  • 6.6輟學
  • 6.7向後傳播向後傳播和計算圖
  • 6.8數值穩定性和初始化
  • 6.9考慮環境
  • 6.10預測Kaggle的房價

• CH07深度學習計算

  • 7.1層和塊
  • 7.2參數管理
  • 7.3遞延初始化
  • 7.4自定義層
  • 7.5文件I/O。
  • 7.6 GPU

• CH08卷積神經網絡

  • 8.1從密集層到卷積
  • 8.2圖像的捲積
  • 8.3填充和大步
  • 8.4多個輸入和輸出通道
  • 8.5合併
  • 8.6卷積神經網絡（LENET）

• CH09現代卷積網絡

  • 9.1深卷積神經網絡（Alexnet）
  • 9.2使用塊（VGG）網絡
  • 9.3網絡（NIN）中的網絡
  • 9.4具有並行串聯的網絡（Googlenet）
  • 9.5批准化
  • 9.6剩餘網絡（RESNET）
  • 9.7密集連接的網絡（Densenet）

• CH10復發性神經網絡

  • 10.1序列模型
  • 10.2語言模型
  • 10.3復發性神經網絡
  • 10.4文本預處理
  • 10.5從頭開始實施複發性神經網絡
  • 10.6簡化的複發神經網絡實施
  • 10.7隨著時間的推移反向傳播
  • 10.8封閉式複發單元（GRU）
  • 10.9長期內存（LSTM）
  • 10.10深度反复的神經網絡
  • 10.11雙向反复神經網絡
  • 10.12機器翻譯和數據集
  • 10.13編碼器架構
  • 10.14序列序列
  • 10.15梁搜索

• CH11注意機制

  • 11.1注意機制
  • 11.2通過注意機制序列的序列
  • 11.3變壓器

• CH12優化算法

  • 12.1優化和深度學習
  • 12.2凸度
  • 12.3梯度下降
  • 12.4隨機梯度下降
  • 12.5微型批量隨機梯度下降
  • 12.6勢頭
  • 12.7 Adagrad
  • 12.8 rmsprop
  • 12.9阿達德爾塔
  • 12.10亞當

• CH14計算機視覺

  • 14.1圖像增強
  • 14.2微調
  • 14.3對象檢測和邊界框
  • 14.4錨盒
  • 14.5多尺度對象檢測
  • 14.6對象檢測數據集（Pikachu）
  • 14.7單槍Multibox檢測（SSD）
  • 14.8基於區域的CNN（R-CNN）
  • 14.9語義細分和數據集
  • 14.10轉置卷積
  • 14.11完全卷積網絡（FCN）
  • 14.12神經風格轉移
  • 14.13 Kaggle上的圖像分類（CIFAR-10）
  • 14.14 Kaggle上的狗品種識別（Imagenet狗）

貢獻

• 請隨時在其余章節中打開拉動請求，以在Pytorch撰寫筆記本。在開始筆記本之前，請用筆記本的名稱打開一個問題，以便為此做出貢獻。我們將把這個問題分配給您（如果沒有人之前分配）。

• 嚴格遵循IPYTHON筆記本和小節的命名約定。

• 另外，如果您認為有任何部分需要更多/更好的解釋，請使用問題跟踪器打開問題並讓我們知道相同的問題。我們將盡快回來。

• 找到一些需要改進的代碼並提交拉動請求。

• 找到我們錯過的參考，並提交拉動請求。

• 盡量不要提交巨大的拉力請求，因為這會使他們難以理解和合併。最好發送幾個較小的。

支持

如果您喜歡此存儲庫並發現它有用，請考慮（★）主演它，以便它可以吸引更廣泛的受眾。

參考

[1]原始書籍深入學習 - > github repo

[2]深度學習 - 直劑

[3] Pytorch -mxnet備忘單

引用

如果您使用此作品或代碼進行研究，請引用以下Bibtex條目的原始書。

 @book{zhang2020dive,
    title={Dive into Deep Learning},
    author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
    note={url{https://d2l.ai}},
    year={2020}
}