トップをクリックして「AI適切な方法」、「スター」公開番号を選択します
ヘビードライグッズ、役立った最初の時間
数ヶ月前、彼は文書を発行したGitHubの上の赤い石を導入題し非常に人気のあるプロジェクトで、：ディープラーニング-500-質問、中国語の翻訳は：深さの研究では、500を尋ねました。著者は智龍の話に四川大学の優秀な卒業生です。プロジェクト奥行き研究面接の質問と回答の形式、500件の質問と回答を集めました。確率、線形代数、機械学習、深い学習、コンピュータビジョンやその他のホットな問題の一般的な知識に関する。
人気のプログラムは、継続的に改善プロジェクトへの新しい貢献者が常に存在している、オープンソースの精神の精神を更新されています。今日、この本は、50以上の万語、達している18章に分かれを。
まず、直接プロジェクトの住所を置きます：
https://github.com/scutan90/DeepLearning-500-questions
現時点では、プロジェクトが2.6ワット星を持っています！限りコンテンツが乾燥しているとして、超ワイド！
以下では、プロジェクトのハードコアは、それが乾燥持っているものを見てみましょう！
BOOK
このプロジェクトは、より正確に深面接調査マニュアル、500は非常に詳細な、頼むです。本は18章に分割され、次のように約50万語、ディレクトリは次のとおりです。
数学的基礎
機械学習の基礎
深い学習の基礎
クラシックネットワーク
畳み込みニューラルネットワーク（CNN）
リカレントニューラルネットワーク（RNN）
生成対決ネットワーク（GAN）
ターゲットの検出
画像分割
強化学習
転移学習
ネットワーク構造とトレーニング
最適化アルゴリズム
超パラメータ・テスト
GPUとフレーム選択
自然言語処理（NLP）
モバイルエンドのモデル圧縮、加速と展開
バックエンドアーキテクチャの選択、オフラインおよびリアルタイムシステム
主なコンテンツ
この本は、継続的に更新し、完成、非常に豊富です。以下は、私たちはそれを見るために、読者にいくつかの知識をリストアップ！
1.一般的な様々なアルゴリズム（第2章）
機械学習タスクの毎日の使用は、私たちはしばしば、次の図に示す様々なアルゴリズムを満たしています。
2.サポートベクターマシン（第2章）
支持向量：在求解的过程中，会发现只根据部分数据就可以确定分类器，这些数据称为支持向量。
支持向量机（Support Vector Machine，SVM）：其含义是通过支持向量运算的分类器。
在一个二维环境中，其中点R，S，G点和其它靠近中间黑线的点可以看作为支持向量，它们可以决定分类器，即黑线的具体参数。
支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是边界最大化，最终转化为一个凸二次规划问题来求解。
3. 常用的神经网络结构（第 3 章）
下图包含了大部分常用的模型：
4. 多分类 Softmax（第 3 章）
下图包含了 Softmax 层的详细过程和推导：
5. 经典网络结构（第 4 章）
本章主要介绍几个具有代表性的神经网络模型。
LeNet-5
LeNet-5 模型是 Yann LeCun 于 1998 年提出来的，它是第一个成功应用于数字识别问题的卷积神经网络。在 MNIST 数据中，它的准确率达到大约 99.2%。典型的 LeNet-5 结构包含卷积层、池化层和全连接层，顺序一般是：卷积层->池化层->卷积层->池化层->全连接层->全连接层->输出层。
同时给出了 LeNet-5 的网络参数配置：
AlexNet
AlexNet 是 2012 年 ImageNet 竞赛冠军获得者 Hinton 和他的学生 Alex Krizhevsky 设计的。AlexNet 可以直接对彩色的大图片进行处理，对于传统的机器学习分类算法而言，它的性能相当的出色。AlexNet 是由 5 个卷积层和 3 个全连接层组成，顺序一般是：卷积层->池化层->卷积层->池化层->卷积层->卷积层->卷积层->池化层->全连接层->全连接层->输出层。
AlexNet 的网络参数配置：
6. 全连接、局部连接、全卷积与局部卷积（第 5 章）
全连接、局部连接、全卷积与局部卷积的对比和解释如下：
评价
プロジェクト全体の内容は、ここではそれらを繰り返さない、非常に大きな含まれています。非常に硬い乾燥、我々はこのリソースを見逃してはなりません。再びリンクを添付：
https://github.com/scutan90/DeepLearning-500-questions
全体的に、このリソースは、システムの教科書の深さの調査ではなく、完全な、詳細な知識精錬深度調査マニュアル。インタビューのために、セルフテストは非常に便利です！ボトムライン：ハードコアドライ商品、価値収集！
ダウンロード
最後に、私は500を求め終えたこの完全な深い学習リソースは皆のためにパッケージされています！必要性は、以下のように求めることができます。
1.スキャン次Fanger魏コードの懸念「 AI適切な方法」、公開番号
バックキーワード2.公益返信：DL500
？Fanger魏コードスキャンの懸念
