深度学习访谈书(包括数学、机器学习、深度学习、计算机视觉等。)

深入学习访谈书

这是一本关于github的开源深度学习访谈书，收集并整理了大量相关知识。相关收藏内容

自我介绍

数学

机器学习

深度学习

强化学习

计算机视觉

传统图像处理

自然语言处理

SLAM

推荐算法

数据结构和算法

程序设计语言

深度学习框架

面试经历

面试技巧

其他的

深度学习001神经网络的时代、迭代、批量化

神经网络中的历元和迭代是不相等的。

批量:批量的中文翻译。在深度学习中，一般采用SGD训练，即在每个训练集中抽取批量样本进行训练；

迭代:中文翻译就是迭代，一次迭代等于用批量样本训练一次；一次迭代=一次正向通过+一次反向通过

历元:迭代次数，一个历元等于训练集中所有样本的一次训练；一个时期=所有训练样本的一次正向传输和一次反向传输

例如，训练集有1000个样本，batchsize=10，那么:训练一个完整的样本集需要100次迭代和1个纪元。

002有线电视新闻网本质和优势

局部卷积(提取局部特征)

体重分担(降低训练难度)

池化(降维，将低级功能组合成高级功能)

多层次结构

003卷积运算

004卷积反传播过程

你如何计算有线电视新闻网模型所需的触发器数量和参数？

006汇集方法和操作

007池层如何接收来自后面的损失

008感受野计算

009卷积神经网络的感受野

010深度学习优化算法

011梯度下降法

...

你如何理解标准化对神经网络(深度学习)的帮助？

还有很多介绍。您可以自己检查开源地址。

由于标题评论网站相对比较严格，为了防止他们误解它是促销，每个人都可以自己搜索和下载。

你觉得深入学习怎么样？请分享您的意见，并一起讨论学习。

更多更好的信息，请关注我，你的支持将鼓励我分享更多更好质量的文章。