http://neuralnetworksanddeeplearning.com/
这本书透彻地讲解了神经网络的基础知识。用MNIST手写数字图像的识别作为例子,给出了能实际运行的神经网络Python代码。训练后的网络从最初95%的准确率(一个隐藏层),逐渐加入各种优化手段,最后提高到99.67%(CNN,卷积神经网络)。 书中引用了不少新的论文,给人进一步研究...
评分这本书透彻地讲解了神经网络的基础知识。用MNIST手写数字图像的识别作为例子,给出了能实际运行的神经网络Python代码。训练后的网络从最初95%的准确率(一个隐藏层),逐渐加入各种优化手段,最后提高到99.67%(CNN,卷积神经网络)。 书中引用了不少新的论文,给人进一步研究...
评分对于讲解技术问题,最好方式就是列数学公式,或者直接上代码, 这本书都做到了,非常之好。 这本书对于代码的基础就是简单的python入门,当然,python本身就非常容易入门的。数学基础就是基础的高数数学的求导和简单的矩阵运算,与代码层面相反,对于这个大多数人都学过内容,...
评分这本书透彻地讲解了神经网络的基础知识。用MNIST手写数字图像的识别作为例子,给出了能实际运行的神经网络Python代码。训练后的网络从最初95%的准确率(一个隐藏层),逐渐加入各种优化手段,最后提高到99.67%(CNN,卷积神经网络)。 书中引用了不少新的论文,给人进一步研究...
评分一直以为,读不懂书的时候,可能并不是因为你笨,而是,作者太垃圾了。爱因斯坦曾经说:“怎样才算你真正搞懂了一个东西?当你能把这个东西给你奶奶讲明白的时候,才算真正搞懂了它。” 本书最大的亮点在于用动画演示了那些重要的数学原理,非常直观。这也是网络出版书相比实体...
深入浅出,入门必备
评分可能是读过的最好的入门书籍了,不过CNN的介绍篇幅太短也太浅
评分挺不错的神经网络的入门书,从理论到代码,看得出经过精心的裁剪。对基本概念和原理介绍得不错,虽然有很多数学公式,但python的代码帮助理解很多细节。激活函数、代价函数、随机梯度下降、反向传播、过度拟合和规范化、权重初始化、超参数优化、卷积网络的局部感受野、混合层、特征映射。
评分物理学家写的深度学习方面的书,直觉很好。
评分可能是读过的最好的入门书籍了,不过CNN的介绍篇幅太短也太浅
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有