卷起来了，写了一套Tensorflow和Pytorch的学习笔记（20G/代码/PPT/视频）
共 1207字，需浏览 3分钟
·
2021-08-25 16:56
作为一名AI工程师，掌握一门深度学习框架是必备的生存技能之一。
谷歌的 Tensorflow 与 Facebook 的 PyTorch 一直是颇受社区欢迎的两种深度学习框架。
我们通过调研发现，80%的0-3岁互联网人没有系统的学习过Tensorflow、PyTorch方向，缺乏项目实战，处于比较浅层面的对比。
网上相关介绍也很多，但很多技术内容太少，或是写的不全面半懂不懂，重复内容占绝大多数（这里弱弱吐槽百度的搜索结果多样化）。同质性的教程有一份就够，注意筛选，不要浪费不必要的时间。
最近整理一套深度学习框架必备的学习资料，强烈推荐大家学习，作者王小天，拥有8年人工智能领域实战经验，目前就职于BAT之一，AI算法高级技术专家，法国TOP3高校双硕（计算机科学和数学应用双硕士）毕业。
他在人工智能和芯片领域发表10余篇论文，具有深厚的学术背景和丰富的项目及业务落地经验。工作期间主要负责人工智能业务线CV与NLP相关算法工作，推进人机混合智能、语义分割、机器翻译、虹膜识别等模块的核心算法研究与优化。对图像分类、物体检测、目标跟踪、自动驾驶、计算机体系结构等有深入的研究。
他兼具理论与实战落地经验，深知初学者学习痛点。说实话，这样资历的人，很难得。
深度学习与神经网络
深度学习简介
基本的深度学习架构
神经元
激活函数详解（sigmoid、tanh、relu等）
感性认识隐藏层
如何定义网络层
损失函数
推理和训练
神经网络的推理和训练
bp算法详解
归一化
Batch Normalization详解
解决过拟合
dropout
softmax
手推神经网络的训练过程
从零开始训练神经网络
使用python从零开始实现神经网络训练
构建神经网络的经验总结
深度学习开源框架
pytorch
tensorflow
caffe
mxnet
keras
优化器详解(GD,SGD,RMSprop等
课程通过讲解和实战操作，带你从零开始训练网络，做到独立搭建和设计卷积神经网络（包括主流分类和检测网络），并进行神经网络的训练和推理（涉及PyTorch、Tensorflow、Caffe、Mxnet等多个主流框架），通过实战让你掌握各种深度学习开源框架。
所有以上相关的的内容全部都已经打包好了，汇总成了一份百度云的链接，小贴心之处是怕有的兄弟没有买百度云会员的朋友，能用2MB+/S的速度下载，还特地给大家准备了下载工具。