加载中...

SUPPORT

觉得内容有帮助？请站长喝杯咖啡 ☕

网站所有内容免费，但运维不免费 😭 AI、服务器、域名……你的支持将用来维持网站正常运行，让这个小站还能继续写下去~

微信赞助收款二维码

打开微信扫一扫 · 金额随意

首页知识库教程工具博客资讯术语表面试题库关于?个人中心

← 返回课程

动手学深度学习

139 / 139·markdown

前言

01前言

安装

02安装

符号

03符号

引言

04引言

预备知识

05预备知识
06数据操作
07数据预处理
08线性代数
09微积分
10自动微分
11概率
12查阅文档

线性神经网络

13线性神经网络
14线性回归
15线性回归的从零开始实现
16线性回归的简洁实现
17softmax回归
18图像分类数据集
19softmax回归的从零开始实现
20softmax回归的简洁实现

多层感知机

21多层感知机
22多层感知机
23多层感知机的从零开始实现
24多层感知机的简洁实现
25模型选择、欠拟合和过拟合
26权重衰减
27暂退法（Dropout）
28前向传播、反向传播和计算图
29数值稳定性和模型初始化
30环境和分布偏移
31实战Kaggle比赛：预测房价

深度学习计算

32深度学习计算
33层和块
34参数管理
35延后初始化
36自定义层
37读写文件
38GPU

卷积神经网络

39卷积神经网络
40从全连接层到卷积
41图像卷积
42填充和步幅
43多输入多输出通道
44汇聚层
45卷积神经网络（LeNet）

现代卷积神经网络

46现代卷积神经网络
47深度卷积神经网络（AlexNet）
48使用块的网络（VGG）
49网络中的网络（NiN）
50含并行连结的网络（GoogLeNet）
51批量规范化
52残差网络（ResNet）
53稠密连接网络（DenseNet）

循环神经网络

54循环神经网络
55序列模型
56文本预处理
57语言模型和数据集
58循环神经网络
59循环神经网络的从零开始实现
60循环神经网络的简洁实现
61通过时间反向传播

现代循环神经网络

62现代循环神经网络
63门控循环单元（GRU）
64长短期记忆网络（LSTM）
65深度循环神经网络
66双向循环神经网络
67机器翻译与数据集
68编码器-解码器架构
69序列到序列学习（seq2seq）
70束搜索

注意力机制

71注意力机制
72注意力提示
73注意力汇聚：Nadaraya-Watson 核回归
74注意力评分函数
75Bahdanau 注意力
76多头注意力
77自注意力和位置编码
78Transformer

优化算法

79优化算法
80优化和深度学习
81凸性
82梯度下降
83随机梯度下降
84小批量随机梯度下降
85动量法
86AdaGrad算法
87RMSProp算法
88Adadelta
89Adam算法
90学习率调度器

计算性能

91计算性能
92编译器和解释器
93异步计算
94自动并行
95硬件
96多GPU训练
97多GPU的简洁实现
98参数服务器

计算机视觉

99计算机视觉
100图像增广
101微调
102目标检测和边界框
103锚框
104多尺度目标检测
105目标检测数据集
106单发多框检测（SSD）
107区域卷积神经网络（R-CNN）系列
108语义分割和数据集
109转置卷积
110全卷积网络
111风格迁移
112实战 Kaggle 比赛：图像分类 (CIFAR-10)
113实战Kaggle比赛：狗的品种识别（ImageNet Dogs）

自然语言处理：预训练

114自然语言处理：预训练
115词嵌入（word2vec）
116近似训练
117用于预训练词嵌入的数据集
118预训练word2vec
119全局向量的词嵌入（GloVe）
120子词嵌入
121词的相似性和类比任务
122来自Transformers的双向编码器表示（BERT）
123用于预训练BERT的数据集
124预训练BERT

自然语言处理：应用

125自然语言处理：应用
126情感分析及数据集
127情感分析：使用循环神经网络
128情感分析：使用卷积神经网络
129自然语言推断与数据集
130自然语言推断：使用注意力
131针对序列级和词元级应用微调BERT
132自然语言推断：微调BERT

附录：深度学习工具

133附录：深度学习工具
134使用Jupyter Notebook
135使用Amazon SageMaker
136使用Amazon EC2实例
137选择服务器和GPU
138为本书做贡献
139d2l API 文档

Chapter 139

d2l API 文档

`d2l` API 文档

d2l包以下成员的实现及其定义和解释部分可在源文件中找到。

mxnet

pytorch

tensorflow

paddle

模型

数据

训练

公用

上一章

为本书做贡献

本页镜像自上游仓库，固定版本 e6b18cce。许可证：Apache License 2.0。原文只读，笔记与划线保存在你的助记词身份下。

阅读进度

0%

整课进度0/139 章 · 0%

快捷键：←/→ 换章 · C 完成 · F 专注 · Esc 退出

阅读设置

字号

行宽

行距

本章笔记

选中正文可划线或写笔记。随助记词身份同步，仅自己可见。

暂无笔记。选中一段文字试试。

本章导航

模型
数据
训练
公用

中文 AI 学习与实践平台。知识库、教程、工具与资讯集中一站，帮你把人工智能真正学到手。

联系support.aimaster.cc@gmail.com

意见反馈 · 内容纠错 · 需求交流

探索

知识库
教程
工具
博客
资讯
术语表
面试题库
关于我们

专题

精选教程
机器学习
深度学习
自然语言处理
计算机视觉

© 2026 AI Master. All rights reserved.

精通人工智能 · ai-master.cc