KO
|
EN
gitlite — search
Search
#typescript
#ai-agents
#deepseek-harness
#dsh-plugin
#open-source
#ai
#claude-code
#cli
#windows
#codex
#developer-tools
#dsh
DL-Optimization
★ 54
Open GitHub ↗
No description available.
Download README (.md)
Explore Similar Repositories
OmniMotionGPT
:
No description available.
Devious-WinRM
:
A Pentester's Powershell Client
python_mcp
:
MCP Server to run python code locally
llm.zig
:
No description available.
arl_scan
:
arl灯塔自动化扫描工具
// repository documentation
Was this content helpful?
★ 0
(0 ratings)
Select Rating:
★
★
★
★
★
Submit Feedback
Recent Feedback
×
Download README
Do you want to download the
README.md
file for
DL-Optimization
?
Download (.md)
欢迎来到 DL-Optimization 仓库！本项目全面探索了深度学习的数学基础、算法以及优化技术，这些构成了现代深度学习的核心。 项目结构 本仓库分为三个主要部分： # 1. 数学基础 这些笔记本涵盖了深度学习所需的基本数学概念： 01_Advanced_Mathematics.ipynb：深度学习中使用的高级数学概念。 02_Linear_Algebra.ipynb：线性代数基础，包括矩阵、向量和特征值。 03_Probability_Theory.ipynb：深度学习模型中必需的概率理论概念。 04_Information_Theory.ipynb：信息论的关键原理，如熵和互信息。 05_Graph_Theory.ipynb：图结构及其在机器学习中的应用。 06_Group_Theory.ipynb：群论概念及其在几何深度学习中的相关性。 07_Quantum_Mechanics.ipynb：量子力学原理及其与深度学习的联系。 # 2. 深度学习算法与框架 此部分包含关键深度学习模型的详细实现和解释： dl_01_NN.ipynb：神经网络基础和基本架构介绍。 dl_02_CNN.ipynb：卷积神经网络在图像处理和特征提取中的应用。 dl_03_RNN.ipynb：循环神经网络用于序列建模。 dl_04_Encoder_Decoder.ipynb：编码器-解码器架构，用于翻译和摘要等任务。 dl_05_Transformer.ipynb：Transformer 模型及其在自然语言处理中的应用。 dl_06_GAN.ipynb：生成对抗网络，用于图像生成和数据增强。 dl_07_Diffusion.ipynb：扩散模型及其在概率建模中的作用。 dl_08_GNN.ipynb：图神经网络，用于图数据的表示和学习。 dl_09_RL.ipynb：强化学习算法，用于决策和控制任务。 # 3. 深度学习模型训练方法 此部分包含深度学习模型的训练技巧和最佳实践，以及一些优化策略、学习率调整和正则化方法。 opt_01_SupervisedLearning.ipynb 视频讲解：**[有监督学习](https://www.bilibili.com/video/BV1fS63YzEzv/?spm_id_from=333.1387.collection.video_card.click)** opt_02_UnSupervisedLearning.ipynb 视频讲解：**[无监督学习](https://www.bilibili.com/video/BV1Te61YUEsq/?spm_id_from=333.1387.collection.video_card.click)** opt_03_SelfsupervisedLearning.ipynb 视频讲解：**[自监督学习](https://www.bilibili.com/video/BV1Ww6mYEERk/?spm_id_from=333.1387.collection.video_card.click)** opt_04_SimiSupervisedLearning.ipynb 视频讲解：**[半监督学习](https://www.bilibili.com/video/BV1C9rAYZEzw/?spm_id_from=333.1387.collection.video_card.click&vd_source=72b431c4fa111dc28e774f23d215137c)** opt_05_ContrastiveLearning.ipynb 视频讲解：**[对比学习](https://www.bilibili.com/video/BV1DfrmYAE1a/?spm_id_from=333.1387.collection.video_card.click)** opt_06_TransferLearning.ipynb 视频讲解：**[迁移学习](https://www.bilibili.com/video/BV16Kr6YxEx5/?spm_id_from=333.1387.collection.video_card.click)** opt_07_AdversarialLearning.ipynb 视频讲解：**[对抗学习](https://www.bilibili.com/video/BV1bccmerEAQ/?spm_id_from=333.1387.collection.video_card.click)** opt_08_EnsembleLearning.ipynb 视频讲解：**[集成学习](https://www.bilibili.com/video/BV17mcteBEDH/?spm_id_from=333.1387.collection.video_card.click)** opt_09_FederatedLearning.ipynb 视频讲解：**[联邦学习](https://www.bilibili.com/video/BV1sTcoebE5A/?spm_id_from=333.1387.collection.video_card.click)** opt_10_ReinforcementLearning.ipynb 视频讲解：**[强化学习](https://www.bilibili.com/video/BV18Yw6e8EUr/?spm_id_from=333.1387.collection.video_card.click)** opt_11_Active_Learning.ipynb 视频讲解：**[主动学习](https://www.bilibili.com/video/BV1xg9PYcE2Z/?spm_id_from=333.1387.collection.video_card.click)** # 项目目标 提供一个统一的资源，用于学习深度学习中使用的数学、算法和训练方法。 提供实践性的动手示例，巩固理论概念。 为人工智能和深度学习领域的学生、研究人员和从业者提供参考指南。
