- 深度学习
- Y = f(X)
目录
- # 1. Posts
- 1-1. 机器学习模型评估方法和优化 1-2. Dropout 技术一览 1-3. NLP 中的 Tokenization 方法总结 1-4. 基于深度神经网络的聚类算法 1-5. ERNIE 系列的设计思路
- # 2. PyTorch 入门
- 2-1. 基础 2-2. pytorch 工具箱 2-3. 学习率调度器 2-4. loss function 2-5. torch.nn 之 Module、ModuleList 和 Sequential
- # 3. 鱼书进阶-自然语言处理
- 3-1. 神经网络的复习 3-2. 自然语言和单词的分布式表示 3-3. word2vec 3-4. word2vec 高速化 3-5. RNN 3-6. Gated RNN 3-7. seq2seq 3-8. Attention
- # 4. 深度学习-李宏毅
- 4-1. Regression 4-2. 神经网络训练不起来怎么办 4-3. CNN 4-4. Self-Attention 4-5. 各式各样的 Attention 4-6. Pointer Network 4-7. 图神经网络 4-8. Transformer 4-9. 生成对抗网络 GAN 4-10. Self Supervised Learning 4-11. BERT and its family 4-12. Data Efficient & Parameter-Efficient Tuning 4-13. Auto-Encoder 4-14. 机器学习的可解释性 4-15. Adversarial Attack 4-16. Domain Adaptation 4-17. 强化学习 4-18. 神经网络压缩 4-19. Life Long Learning 4-20. Meta Learning 4-21. ChatGPT 是怎样炼成的
- # 5. 李宏毅-2017版
- 5-1. Deep Generative Model 5-2. Flow-based Generative Model 5-3. Structure Learning 5-4. Sequence Labeling 5-5. Deep Reinforcement Learning
- # 6. 李宏毅-2019版
- 6-1. ELMo 6-2. Anomaly Detection
- # 7. 预训练语言模型-邵浩2021版
- 7-1. 预训练语言模型简介 7-2. 预训练模型的基础知识
- # 8. 王树森
- 8-1. Few-shot Learning
编辑 (opens new window)
上次更新: 2022/05/13, 14:03:03