近年來(lái)，深度學(xué)習(xí)在語(yǔ)音、圖像、自然語(yǔ)言處理等領(lǐng)域都取得了非常不錯(cuò)的成果，自然而然地成為技術(shù)人員爭(zhēng)相學(xué)習(xí)的熱點(diǎn)。

為了幫助正在學(xué)習(xí)深度學(xué)習(xí)的伙伴們，川大的一名優(yōu)秀畢業(yè)生，在GitHub上創(chuàng)建了一個(gè)項(xiàng)目：《深度學(xué)習(xí)500問(wèn)》，通過(guò)問(wèn)答的形式對(duì)常用的概率知識(shí)、線(xiàn)性代數(shù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等熱點(diǎn)問(wèn)題進(jìn)行闡述，以幫助自己及有需要的讀者。?全書(shū)分為15個(gè)章節(jié)，近20萬(wàn)字。

截至今日，該項(xiàng)目已經(jīng)獲得了?2106?個(gè)「star」以及?465?個(gè)「fork」（GitHub項(xiàng)目地址：https://github.com/scutan90/DeepLearning-500-questions）

雖然本書(shū)還未完結(jié)，但還是值得一讀，下面我們?cè)敿?xì)介紹書(shū)中有哪些內(nèi)容：

?

第一章數(shù)學(xué)基礎(chǔ)

本章主要講解了數(shù)學(xué)基礎(chǔ)知識(shí)，不僅涵蓋了相關(guān)的基礎(chǔ)概念，還包括彼此之間的聯(lián)系，如標(biāo)量、向量、張量之間的聯(lián)系；張量和矩陣的區(qū)別，還有常見(jiàn)的概率分布：

此外，還講解了不同類(lèi)型的概率分布和統(tǒng)計(jì)學(xué)（期望、方差、協(xié)方差、相關(guān)數(shù)）的相關(guān)基礎(chǔ)知識(shí)

?

第二章機(jī)器學(xué)習(xí)基礎(chǔ)

本章為大家羅列了常見(jiàn)的算法以及常見(jiàn)分類(lèi)算法的優(yōu)缺點(diǎn)、分類(lèi)算法的評(píng)估用法、大數(shù)據(jù)與深度學(xué)習(xí)的關(guān)系等，第二章涵蓋的知識(shí)點(diǎn)雖然很多但卻十分全面。

第三章深度學(xué)習(xí)基礎(chǔ)

本章開(kāi)始進(jìn)入主題，為了描述神經(jīng)網(wǎng)絡(luò)，書(shū)中從最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)說(shuō)起，然后層層深入，列舉了神經(jīng)網(wǎng)絡(luò)的常用模型結(jié)構(gòu)，如何選擇一個(gè)深度學(xué)習(xí)開(kāi)發(fā)平臺(tái)等重點(diǎn)內(nèi)容，如神經(jīng)網(wǎng)絡(luò)常用的模型結(jié)構(gòu)如下：

?

第四章經(jīng)典網(wǎng)絡(luò)

本章向大家介紹了幾種經(jīng)典網(wǎng)絡(luò)，包括LeNet-5、AlexNet、可視化ZFNet-解卷積、GoogleNet的模型結(jié)構(gòu)及模型解讀等，如LeNet-5的模型結(jié)構(gòu)如下：

看了上面這些內(nèi)容，你是不是已經(jīng)迫不及待想深度讀一下這本未完結(jié)的書(shū)呢？或者你正從事該領(lǐng)域的工作，也可以幫助作者完善成書(shū)。

?

最后再附上GitHub地址：https://github.com/scutan90/DeepLearning-500-questions

總結(jié)

以上是生活随笔為你收集整理的川大优秀毕业生在GitHub上建了一个项目《深度学习500问》，还未完结就获赞无数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。