Table of contents Deep-Learning 人工智能发展历史 深度学习框架 Tensorflow Keras PyTorch 深度学习基础 数据 神经网络基本工作原理 项目流程 神经网络的主要能力 反向传播、梯度下降与损失函数 反向传播 线性反向传播 非线性反向传播 梯度下降 损失函数 数据集 数据集的处理方式 分类样本不均衡问题 过拟合与欠拟合 偏差与方差 过拟合处理方法 L2正则 L1正则 早停法 Early Stopping 丢弃法 Dropout 数据增强 Data Augmentation 评价指标 回归问题常用评价指标 分类问题常用评价指标 集成学习 深度学习模型 RNN LSTM GRU 高级模型 Encoder-Decoder 注意力机制(Attention Mechanism) self-attention Transformer Untitled 图神经网络 推荐资源 模型部署 ONNX tensorflow serving 实战 小工具 参考文献