李沐-动手学深度学习V2

📋 文件内容

1. 包含文件：00 预告
2. 000pdf+src
3. 01 课程安排
4. 02 深度学习介绍
5. 03 安装
6. 04 数据操作 + 数据预处理
7. 05 线性代数
8. 06 矩阵计算
9. 07 自动求导
10. 08 线性回归 + 基础优化算法
11. 09 Softmax 回归 + 损失函数 + 图片分类数据集
12. 09A Windows 下安装 CUDA 和 Pytorch 跑深度学习
13. 09B 使用 AWS 最便宜的 GPU 实例
14. 10 多层感知机 + 代码实现
15. 10行代码战胜90%数据科学家？
16. 11 模型选择 + 过拟合和欠拟合
17. 12 权重衰退
18. 13 丢弃法
19. 14 数值稳定性 + 模型初始化和激活函数
20. 15 实战：Kaggle房价预测 + 课程竞赛：加州2020年房价预测
21. 16 PyTorch 神经网络基础
22. 17 使用和购买 GPU
23. 18 预测房价竞赛总结
24. 19 卷积层
25. 20 卷积层里的填充和步幅
26. 21 卷积层里的多输入多输出通道
27. 22 池化层
28. 23 经典卷积神经网络 LeNet
29. 24 深度卷积神经网络 AlexNet
30. 25 使用块的网络 VGG
31. 26 网络中的网络 NiN
32. 27 含并行连结的网络 GoogLeNet Inception V3
33. 28 批量归一化
34. 29 残差网络 ResNet
35. 29.2 ResNet为什么能训练出1000层的模型
36. 30 第二部分完结竞赛：图片分类
37. 31 深度学习硬件：CPU 和 GPU
38. 32 深度学习硬件：TPU和其他
39. 33 单机多卡并行
40. 34 多GPU训练实现
41. 35 分布式训练
42. 36 数据增广
43. 37 微调
44. 38 第二次竞赛 树叶分类结果
45. 39 实战 Kaggle 比赛：图像分类（CIFAR-10）
46. 40 实战 Kaggle 比赛：狗的品种识别（ImageNet Dogs）
47. 41 物体检测和数据集
48. 42 锚框
49. 43 树叶分类竞赛技术总结
50. 44 物体检测算法：R-CNN，SSD，YOLO