PyTorch 深度學(xué)習(xí)框架使用

深度學(xué)習(xí)

人工智能间坐，機器學(xué)習(xí)灾挨，深度學(xué)習(xí)，筆記-文章

快速構(gòu)建深度學(xué)習(xí)模型

數(shù)據(jù)科學(xué)/機器學(xué)習(xí)/人工智能

各種深度學(xué)習(xí)項目實踐合集（NLP相關(guān)的為主）

最近比較火熱的深度強化學(xué)習(xí)　

我以官方文檔為主線庵芭，開始對TensorFlow的學(xué)習(xí)。這期間會把我的理解進(jìn)行持續(xù)的輸出尽棕，作為《TensorFlow從0到N》系列。 它不會止于翻譯和筆記彬伦，不會停留在語言和工具滔悉，而是堅持通過啟發(fā)性的方式，循序漸進(jìn)的構(gòu)建理解单绑，搭建一個堅實可靠的回官、連接“零基礎(chǔ)”與“人工智能（AI）/機器學(xué)習(xí)（Machine Learning）/深度學(xué)習(xí)（Deep Learning）”領(lǐng)域之間的緩坡道。

Google寶貴的深度學(xué)習(xí)開開源框架

機器學(xué)習(xí)废离、深度學(xué)習(xí)資料整理侄泽，實戰(zhàn)經(jīng)驗總結(jié)：https://github.com/jacksu/machine-learning

需要的選題有： 人工智能是如何實現(xiàn)的 機器學(xué)習(xí)（要么寫的很深入柿扣，要么用圖解容易學(xué)，要么寫案例） 深度學(xué)習(xí) 自然語言處理 算法（入門算法圖解闺魏，或者好玩的算法） TensorFlow 2.0 計算機視覺 神經(jīng)網(wǎng)絡(luò) Caffe Torch keras 推薦系統(tǒng) 信息流 OpenCV 等等 歡迎投稿Ｎ醋础！析桥！ 有興趣寫書出版的朋友私聊Ｋ静荨！ vx：702697037 (寫書題材人工智能烹骨、數(shù)據(jù)庫翻伺、大數(shù)據(jù)處理、編程語言沮焕、開發(fā)大全吨岭，創(chuàng)業(yè)、運營峦树、財會辣辫、投資理財、科普等等）

機器學(xué)習(xí)，數(shù)據(jù)挖掘谷遂，深度學(xué)習(xí)葬馋，自然語言處理交流。歡迎大家投稿肾扰。

該專題是機器學(xué)習(xí)集晚、推薦系統(tǒng)和自然語言處理窗悯、深度學(xué)習(xí)相關(guān)算法學(xué)習(xí)記錄，用通俗的語言去理解算法偷拔，去樸實的文字記錄每次前行蒋院，每個算法力爭說清緣由，且嘗試實現(xiàn)或者使用開源庫進(jìn)行莲绰。機器學(xué)習(xí)忍者在路上……

分享深度學(xué)習(xí)蛤签、機器學(xué)習(xí)切端、計算機視覺、模式識別顷啼、資源語言處理踏枣、推薦系統(tǒng)等領(lǐng)域的一些技術(shù)

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)專題歡迎大家投稿相關(guān)內(nèi)容茵瀑。從基礎(chǔ)理論到實戰(zhàn)演練均可嘗試投稿间驮。若有GPU計算資源需求去完成很有價值的工作也可以留言請求，我們會滿足你的哈马昨！ 該專欄中的文章還會被發(fā)在：UAI人工智能公眾號竞帽。讓更多的人看到你們的優(yōu)秀作品。

心理學(xué)、社會學(xué)匙奴、經(jīng)濟學(xué)堆巧、博弈論，以及現(xiàn)在興起的人工智能泼菌、深度學(xué)習(xí)谍肤、大數(shù)據(jù)，究竟給我們的日常生活帶來了多少新的變化哗伯？ 認(rèn)知荒揣、記憶、學(xué)習(xí)焊刹，這些人類迷一樣的能力系任，左右著人的進(jìn)步與人類社會的發(fā)展。最近20年來虐块，由哲學(xué)俩滥、心理學(xué)、人工智能非凌、語言學(xué)举农、人類學(xué)荆针、神經(jīng)學(xué)融合而成的認(rèn)知學(xué)科敞嗡，逐步成為一個新的重要學(xué)科，并在實際應(yīng)用過程中產(chǎn)生強大的影響航背。 找遍了其他專題喉悴，要么不合適，要么勉強投稿被退玖媚，這么一個常常運用箕肃、但是卻偏門的學(xué)科體系，究竟能不能獨立存在呢今魔？

本專題招募管理員，有意向請簡信私聊吟宦，謝謝篮洁！ 用來分享機器學(xué)習(xí)，深度學(xué)習(xí)殃姓，神經(jīng)網(wǎng)絡(luò)袁波，計算機視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://www.reibang.com/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流蜗侈，相互學(xué)習(xí)篷牌！