多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《卷积神经网络的Python实现》_单健华_2019-01-01_1
《卷积神经网络的Python实现》_单健华_2019-01-01_2
《卷积神经网络的Python实现》_单健华_2019-01-01_3
内容简介：
4梯度下降法
24.1梯度的解析意义
242梯度的几何意义
24,3梯度的物理意义
4梯度下降法代码实現
2.5牛顿法
6机器学习模型统一结构
2.7正则化
2.7.1范数正则
2.7.2提前终止训练
27.3概率的进一步解释
第3章神经网络
3.1数学模型
2激活函数…
34学习容量和正则化
.5生物神经科学基础
第4章卷积神经网络的结构
41概述
4.1.1局部连接
4
参数共享
133D特征图
4.2卷积层
42.1卷积运算及代码实現
卷积层参数总结
2.5使用矩阵乘法实现卷积层运算
4.2.6批量数据的卷积层矩阵乘法的代码实现
43池化层
4.3.1概述
3446
432池化层代码实現
44.1全连接层转化成卷积层
4.4.2全连接层代码实現
4.5卷积网络的结构
层的组合模式
2336
4.6卷积网络的神经科学基础
第二部分优化篇
第5章基于梯度下降法的最优化方法
随机梯度下降法SGD
52基本动量法
53 Nesterov动量法…
4 Adagrad
5.5 RMSProp
5.7 AmsTrad
8学习率退火
?
59参数初始化
5.10超参数调优…
第6章梯度反向传播算法
61基本函数的梯度
2链式法则
63深度网络的误差反向传播算法
64矩阵化
softmax损失函数梯度计算
4目录
6.6全连接层梯度反向传播
6.7激活层梯度反向传播
6.8卷积层梯度反向传播
69最大值池化层梯度反向传播
第三部分实战篇
第7章训练前的准备
7.1中心化和规范化
7.L.1利用线性模型推导中心化
7.12利用属性同等重要性推导规范化
7.1.3中心化和规范化的几何意义
PCA和白化
去除线性相关性推导PCA
7.2.2PCA代码
723PCA降维
24PCA的几何意义
7.2.5白化
7.3卷积网络在进行图像分类时如何预处理
7,4BN
4.1BN前向计算
74.2BN层的位置
743BN层的理论解释
744BN层在实践中的注意事项
4.5BN层的梯度反向传播
74.6BN层的地位探讨
4.7将BN层应用于卷积网络
7.5数据扩增
7.6梯度检查
7.7初始损失值检查
246
78过拟合微小数据子集
9监测学习过程
79.1损失值
7.9.2训练集和验证集的准确率
7.93参数更新比例
第8章神经网络实例
8.1生成数据
8.2数据预处理
8.3网络模型
8.5参数优化
8.6训练网络
8.8超参数随机搜索
8.9评估模型
8.10程序组织结构
8.11增加BN层…
8.12程序使用建议
第9章卷积神经网络实例
92激活函数
93正则化
94优化方法
95卷积网络的基本模块
9.6训练方法
9.7VGG网络结构
9.8 MNIST数据集
9.9梯度检.测
9.10MNST数据集的训练结
9.11程序使用建议
第10章卷积网络结构的发展
0.1全局平均池化层
0.2去掉池化层
0.3网络向更深更宽发展面临的困难
10.5 GoogLeNet向更宽发展的代表网络
10.6轻量网络
0.6.11×1深度维度卷积代码实现
逐特征图的卷积代码实现
10.63逆残差模块的代码实现
10.7注意机制网络 SENt
#############################################
| 
