原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
深度学习学习指南
目录
一、导论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1什么是深度学习？．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1.1深度学习的起源与发展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.1.2深度学习与其他机器学习方法的比较．．．．．．．．．．．．．．．．．．．．．6
1.1.3深度学习的应用领域．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
1.2深度学习的数学基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
1.2.1线性代数基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
1.2.2概率论与统计基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
1.2.3微积分基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
1.3深度学习学习路线图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
1.3.1理论学习阶段．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
1.3.2实践操作阶段．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
1.3.3项目进阶阶段．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
二、神经网络基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
2.1神经元的计算模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.1.1生物神经元与人工神经元．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
2.1.2激活函数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
2.1.3神经网络的层数与结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
2.2神经网络的前向传播与反向传播．．．．．．．．．．．．．．．．．．．．．．．．．．35
2.2.1前向传播算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2.2.2反向传播算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
2.2.3梯度下降算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
2.3神经网络的训练技巧．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
2.3.1数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
2.3.2参数初始化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44
2.3.3超参数调优．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46
三、卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
3.1卷积神经网络的基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
3.1.1卷积操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
3.1.2池化操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51
3.1.3卷积神经网络的层数与结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．52
3.2经典的卷积神经网络模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54
3.3卷积神经网络的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57
3.3.1图像分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61
3.3.2图像检测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62
3.3.3图像分割．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63
四、循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．65
4.1循环神经网
文档评论（0）