置顶文章：分类专栏目录综述

公众号名称：WGS的学习笔记

• 为方便读者清晰的了解我的公众号内容，特将此篇文章置顶，专门记录公众号分类专栏目录。
• 本公众号为个人算法学习笔记，如果读后能有收获，谢谢帮忙点赞和转发。
• 原创不易，转载请注明出处。

自己整理的代码链接：

• CTR：https://github.com/WGS-note/CTR-dl-code
• Text classification框架（开箱即用）：https://github.com/WGS-note/TextClassification

---

专栏：图像视觉

CNN卷积网络详解

图像分类篇[1]：AlexNet网络详解及复现

图像分类篇[2]：VGGNet网络详解及复现

图像分类篇[3]：GoogLeNet网络详解及复现

图像分类篇[4]：ResNet网络详解及复现

图像分类篇[5]：ResNeXt网络详解及复现

图像分类篇[6]：MobileNet V1、V2网络详解及复现

图像分类篇[7]：MobileNet V3网络详解及复现

---

专栏：NLP

预训练 & 语言模型概述

RNN、LSTM、GRU网络概述

聊聊RNN中的梯度消失

Bi-LSTM-Attention网络概述及实现

TextRNN、TextCNN、TextRCNN网络详解及复现

DPCNN网络详解及复现

HighwayNet网络详解及复现

关于Attention的超详细讲解（Attention、Self-Attention、Multi-Head Attention）

保姆级讲解Transformer

Transformer文本分类推理流程及复现

Bert前世篇：从Word Embedding到Word2Vec、ELMo和GPT

保姆级讲解BERT

---

专栏：深度学习

关于Embedding的两种实现方式

关于 train loss、val loss训练时遇到的问题

学习率衰减详解（附Keras实现）

浅谈优化算法（Momentum、AdaGrad、RMSProp、Adam）

BN、LN、IN、GN详解

---

专栏：机器学习

回顾篇：交叉熵-度量两个分布之间的差异

回顾篇：神经网络的前向传播与反向传播公式推导

数据平滑方法的原理和应用（附代码实现）

三次样条插值详解(附代码实现)

指数加权移动平均详解 附代码实现

机器学习-常用回归算法归纳(全网之最)

---

专栏：推广搜

广告术语中的CPM、CPC、CPA解释

推荐中的评估指标：AUC、GAUC（附代码实现）

推荐系统 Wide&Deep 模型详解

CTR预估篇：IFM网络详解及复现

CTR预估篇：DIFM网络详解及复现

CTR预估篇：AutoInt网络详解

CTR预估篇：FiBiNet网络详解及复现

CTR预估篇: DIN-深度兴趣网络详解

CTR预估篇：DeepMCP网络详解

---

其它

spark 解决数据倾斜(两端聚合)

---