人工智能
-
- 《深度学习 500 问》已更新，GitHub 标星 2.6W
-
- 卷积神经网络中卷积运算的前向传播与反向传播推导
-
- AI数学基础37-从代码角度深入理解梯度下降法2
-
- AI数学基础36-从代码角度深入理解梯度下降法1
-
- AI数学基础35-Regression、Classificati
-
- AI数学基础34-相关（correlation）
-
- AI数学基础32-相似函数（Similarity Functio
-
- AI数学基础31-范数（norm）
-
- AI数学基础30-数字图像卷积3
-
- AI数学基础29-数字图像卷积2
-
- AI数学基础28-数字图像卷积1（Image convoluti
-
- AI数学基础27-离散卷积（Discrete convoluti
-
- AI数学基础26-卷积（Convolution）
-
- AI数学基础25——平均（Average）
-
- AI数学基础24——学习率衰减
-
- AI数学基础23——Adam=Momentum+RMSprop
-
- AI数学基础22——动量梯度下降法
-
- AI数学基础21——指数加权移动平均
-
- AI数学基础20——梯度消失/爆炸及权重初始化
-
- AI数学基础19——归一化输入
-
- AI数学基础18——常见的正则化方法
-
- AI数学基础17——正则化（Regularization）
-
- AI数学基础16——训练/验证/测试集
-
- AI数学基础15——Bias（偏差） and Variance（
-
- AI数学基础14——神经网络的参数和超参数
-
- AI数学基础13——深层和浅层神经网络
-
- AI数学基础12——梯度下降法中的正（反）向传播公式
-
- AI常用激活函数分析5，Tanh函数
-
- AI常用激活函数分析4，Relu函数与Leaky Relu函数
-
- AI常用激活函数分析3，Identity函数
-
- AI常用激活函数分析2，Step函数
-
- AI常用激活函数分析1，Sigmoid函数
-
- AI数学基础11——为什么人工神经网络需要非线性激活函数？
-
- AI数学基础10——多个样本神经网络输入公式
-
- AI数学基础9——单个样本神经网络输入公式
-
- AI数学基础8——Logistic Regression cos
-
- AI数学基础7-行向量和列向量
-
- AI数学基础6-向量化计算（Vectorization）
-
- AI数学基础5-生物学神经网络，人工神经网络，逻辑回归求导计算图
-
- AI数学基础4-Sigmoid函数
-
- AI数学基础3-直觉化理解计算图
-
- AI数学基础1-直觉化理解微积分
-
- AI数学基础2-将原始数据转换为矩阵
-
- 【Keras】Keras入门指南
-
- Keras新手“入坑”指南
-
- 从ReLU到Sinc，26种神经网络激活函数可视化
-
- caffe2 教程入门（python版）
-
- TensorFlow从0到1 - 5 - TensorFlow轻
-
- TensorFlow从0到1 - 4 - 第一个机器学习问题
-
- TensorFlow从0到1 - 3 - 人类学习的启示
