v2.0.0-alpha0
版本发布时间: 2021-03-09 07:03:29
d2l-ai/d2l-zh最新发布版本:v2.0.0(2022-12-08 08:57:42)
主要特点
该版本为《动手学深度学习》2.0.0-alpha0版(中文第二版的预览版),翻译自英文版Dive into Deep Learning0.16.1版。目前中英文版已被全球来自40个国家的175所大学采用教学。
与第一版有所不同,该版本的代码部分包含MXNet、PyTorch和TensorFlow三种框架的实现,供读者自由选择。由于深度学习领域发展极为迅速,第二版不仅重新修订了第一版里所有章节的内容(包括文字、数学、图片和代码),还添加了新的内容。
主要改进
- 添加了第二版的在线预览版:zh-v2.d2l.ai;
- 更新了第二版的讨论区:discuss.d2l.ai/c/16;
- 将本书的常用函数包的名称由
d2lzh
改为了英文版的d2l,并分为mxnet.py
、torch.py
和tensorflow.py
三个模块; - 丰富并修订了第一章“前言”内容。
- 丰富并修订了第二章“预备知识”内容,例如添加了“数据预处理”、“线性代数”、“微分”和“概率”小节;
- 丰富并修订了第一版第三章“深度学习基础”内容,并分为“线性神经网络”和“多层感知机”两章,例如添加了“环境和分布偏移”小节;
- 丰富并修订了第一版第五章“卷积神经网络”内容,并分为“卷积神经网络”和“现代卷积神经网络”两章,例如添加了“从全连接层到卷积”小节;
- 丰富并修订了第一版第六章“循环神经网络”内容,并分为“循环神经网络”和“现代循环神经网络”两章(后一章稍后发布),例如添加了“序列模型”和“文本预处理”小节;
详细改进
《动手学深度学习》2.0.0-alpha0版一共含50个小节:
-
第1章: 深度学习前言
-
第2章: 预备知识
- 2.1. 数据操作
- 2.2. 数据预处理
- 2.3. 线性代数
- 2.4. 微分
- 2.5. 自动求导
- 2.6. 概率
- 2.7. 查阅文档
-
第3章:线性神经网络
- 3.1. 线性回归
- 3.2. 线性回归的从零开始实现
- 3.3. 线性回归的简洁实现
- 3.4. softmax回归
- 3.5. 图像分类数据集
- 3.6. softmax回归的从零开始实现
- 3.7. softmax回归的简洁实现
-
第4章: 多层感知机
- 4.1. 多层感知机
- 4.2. 多层感知机的从零开始实现
- 4.3. 多层感知机的简洁实现
- 4.4. 模型选择、欠拟合和过拟合
- 4.5. 权重衰减
- 4.6. Dropout
- 4.7. 正向传播、反向传播和计算图
- 4.8. 数值稳定性和模型初始化
- 4.9. 环境和分布偏移
- 4.10. 实战 Kaggle 比赛:预测房价
-
第5章: 深度学习计算
- 5.1. 层和块
- 5.2. 参数管理
- 5.3. 延后初始化
- 5.4. 自定义层
- 5.5. 读写文件
- 5.6. GPU
-
第6章: 卷积神经网络
- 6.1. 从全连接层到卷积
- 6.2. 图像卷积
- 6.3. 填充和步幅
- 6.4. 多输入多输出通道
- 6.5. 池化层
- 6.6. 卷积神经网络(LeNet)
-
第7章: 现代卷积神经网络
- 7.1. 深度卷积神经网络(AlexNet)
- 7.2. 使用块的网络(VGG)
- 7.3. 网络中的网络(NiN)
- 7.4. 含并行连结的网络(GoogLeNet)
- 7.5. 批量归一化
- 7.6. 残差网络(ResNet)
- 7.7. 稠密连接网络(DenseNet)
-
第8章: 循环神经网络
- 8.1. 序列模型
- 8.2. 文本预处理
- 8.3. 语言模型和数据集
- 8.4. 循环神经网络
- 8.5. 循环神经网络的从零开始实现
- 8.6. 循环神经网络的简洁实现
- 8.7. 通过时间反向传播
更多未翻译的全新章节请参见已发布的英文版0.16版。欢迎关注本书第二版的英文开源项目。我们将同时不断更新中文版,翻译其他章节。
1、 d2l-zh.2.0.0-alpha0.pdf 8.56MB