MyGit

datawhalechina/leedl-tutorial

Fork: 2616 Star: 10523 (更新于 2024-06-18 20:31:33)

license: NOASSERTION

Language: Jupyter Notebook .

《李宏毅深度学习教程》(李宏毅老师推荐👍),PDF下载地址:https://github.com/datawhalechina/leedl-tutorial/releases

最后发布版本: v1.1.7 ( 2024-05-18 08:56:49)

GitHub网址

GitHub issues GitHub stars GitHub forks Hits 知识共享许可协议

李宏毅深度学习教程LeeDL-Tutorial

李宏毅老师是台湾大学的教授,其《机器学习》(2021年春)是深度学习领域经典的中文视频之一。李老师幽默风趣的授课风格深受大家喜爱,让晦涩难懂的深度学习理论变得轻松易懂,他会通过很多动漫相关的有趣例子来讲解深度学习理论。李老师的课程内容很全面,覆盖了到深度学习必须掌握的常见理论,能让学生对于深度学习的绝大多数领域都有一定了解,从而可以进一步选择想要深入的方向进行学习,对于想入门深度学习又想看中文讲解的同学是非常推荐的。

本教程主要内容源于《机器学习》(2021年春),并在其基础上进行了一定的原创。比如,为了尽可能地降低阅读门槛,笔者对这门公开课的精华内容进行选取并优化,对所涉及的公式都给出详细的推导过程,对较难理解的知识点进行了重点讲解和强化,以方便读者较为轻松地入门。此外,为了丰富内容,笔者在教程中选取了《机器学习》(2017年春) 的部分内容,并补充了不少除这门公开课之外的深度学习相关知识。

最新版PDF下载

地址:https://github.com/datawhalechina/leedl-tutorial/releases

国内地址(推荐国内读者使用):链接: https://pan.baidu.com/s/1NRQ-nTZ7f-dp8ZtyCTKXBg 提取码: iykr

ℹ️ 李宏毅老师推荐

李宏毅老师推荐。

内容介绍

  • 引言 @王琦
  • 深度学习 @王琦
    • 局部最小值与鞍点
    • 训练技巧
    • 自适应学习率
    • 分类问题损失函数
    • 归一化
  • 卷积神经网络和自注意力机制 @王琦
    • 卷积神经网络
    • 自注意力机制
  • 循环神经网络 @王琦
  • Transformer @王琦
    • Transformer
  • 生成模型 @杨毅远
    • 生成对抗网络基础
    • 生成对抗网络理论与 Wasserstein 生成对抗网络
    • 生成对抗网络的评估与有条件的生成对抗网络
    • 循环生成对抗网络
  • 自监督学习 @王琦
    • 芝麻街的模型
    • BERT
    • GPT-3
  • 自动编码器概念及其应用 @江季
  • 扩散模型@王琦
  • 对抗攻击 @杨毅远
    • 对抗攻击基本概念
    • 白盒攻击vs黑盒攻击
    • 被动防守vs主动防守
  • 可解释人工智能 @杨毅远
    • 可解释人工智能概念与案例
    • 可解释人工智能中的局部可解释性
    • 可解释人工智能中的全局可解释性
  • 迁移学习 @王琦
    • 领域自适应
    • 领域对抗训练
  • 深度强化学习 @王琦
  • 终身学习 @江季
    • 灾难性遗忘
    • 缓解灾难性遗忘
  • 网络压缩 @王琦
    • 剪枝与彩票假设
    • 知识蒸馏
  • 元学习 @杨毅远
    • 元学习的概念
    • 元学习的实例算法
    • 元学习的应用
  • ChatGPT @杨毅远
    • 对于ChatGPT的误解
    • ChatGPT背后的关键技术——预训练
    • ChatGPT带来的研究问题

配套代码

点击或者网页点击Homework文件夹进入配套代码

扩展资源

贡献者

pic
Qi Wang

上海交通大学博士生
中国科学院大学硕士

pic
Yiyuan Yang

牛津大学博士生
清华大学硕士

pic
John Jim

北京大学硕士

引用信息

@misc{wang2023leedltutorial,
title = {李宏毅深度学习教程},
year = {2023},
author = {王琦,杨毅远,江季},
url = {https://github.com/datawhalechina/leedl-tutorial}
}
@misc{wang2023leedltutorialen,
title = {Deep Learning Tutorial by Hung-yi Lee},
year = {2023},
author = {Qi Wang,Yiyuan Yang,Ji Jiang},
url = {https://github.com/datawhalechina/leedl-tutorial}
}

若该教程对您有所帮助,可以在页面右上角点个Star :star: 支持一下,谢谢 :blush:!

如果您需要转载该教程的内容,请注明出处:https://github.com/datawhalechina/leedl-tutorial

致谢

特别感谢 @Sm1les@LSGOMYPFuWeiru 对本项目的帮助与支持。

另外,十分感谢大家对于LeeDL-tutorial的关注。 Stargazers repo roster for @datawhalechina/leedl-tutorial Forkers repo roster for @datawhalechina/leedl-tutorial

关注我们

扫描下方二维码关注公众号:Datawhale,回复关键词“李宏毅深度学习”,即可加入“LeeDL-Tutorial读者交流群”

Datawhale是一个专注AI领域的开源组织,以“for the learner,和学习者一起成长”为愿景,构建对学习者最有价值的开源学习社区。关注我们,一起学习成长。

LICENSE

知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

Star History

Star History

最近版本更新:(数据更新于 2024-06-18 20:31:16)

2024-05-18 08:56:49 v1.1.7

2024-04-18 11:00:04 v1.1.6

2024-04-05 16:35:02 v1.1.5

2024-03-11 18:37:03 v1.1.4

2024-01-11 15:05:41 v1.1.3

2023-12-02 16:57:55 v1.1.2

2023-08-31 21:46:25 v1.1.1

2023-08-11 23:12:09 v1.1

2023-07-13 19:12:20 v1.0.5

2023-06-23 13:54:01 v1.0.4

主题(topics):

bert, chatgpt, cnn, deep-learning, diffusion, gan, leedl-tutorial, machine-learning, network-compression, pruning, reinforcement-learning, rnn, self-attention, transfer-learning, transformer, tutorial

datawhalechina/leedl-tutorial同语言 Jupyter Notebook最近更新仓库

2024-07-19 02:11:23 Arize-ai/phoenix

2024-07-19 02:01:23 tatsu-lab/alpaca_eval

2024-07-17 22:26:04 goldmansachs/gs-quant

2024-07-14 20:25:32 KindXiaoming/pykan

2024-07-12 16:58:59 neo4j-labs/llm-graph-builder

2024-07-03 02:43:03 udlbook/udlbook