5. Appendix
search
빠른 검색
code
소스 코드를 보려면
PDF
Jupyter Notebooks
GitHub
English Version
Dive into Deep Learning
Table Of Contents
서문
이 책의 사용 방법
1. 딥러닝 소개
2. 딥러닝 맛보기
2.1. 소개
2.2. Gluon 시작하기
2.3. 데이터 조작(data manipulation)
2.4. 선형 대수
2.5. 자동 미분(automatic differentiation)
2.6. 확률과 통계
2.7. 나이브 베이즈 분류(Naive Nayes Classification)
2.8. 샘플링
2.9. 문서(documentation)
3. 딥러닝 기초
3.1. 선형 회귀(Linear Regression)
3.2. 선형 회귀를 처음부터 구현하기
3.3. 선형 회귀의 간결한 구현
3.4. Softmax 회귀(regression)
3.5. 이미지 분류 데이터 (Fashion-MNIST)
3.6. Softmax 회귀(regression)를 처음부터 구현하기
3.7. Softmax 회귀(regression)의 간결한 구현
3.8. 다층 퍼셉트론 (Multilayer Perceptron)
3.9. 다층 퍼셉트론(multilayer perceptron)을 처음부터 구현하기
3.10. 다층 퍼셉트론(multilayer perceptron)의 간결한 구현
3.11. 모델 선택, 언더피팅(underfitting), 오버피팅(overfitting)
3.12. 가중치 감쇠 (weight decay)
3.13. 드롭아웃(dropout)
3.14. 순전파(forward propagation), 역전파(back propagation), 연산 그래프
3.15. 수치 안정성(numerical stability) 및 초기화
3.16. 환경
3.17. Kaggle의 주택 가격 예측하기
4. 딥러닝 계산
4.1. 층(layer)과 블럭(Block)
4.2. 파라미터 관리
4.3. 초기화 지연(deferred Initialization)
4.4. 커스텀 층(custom layer)
4.5. NDArray
4.6. Gluon 모델 파라미터들
4.7. 요약
4.8. 문제
4.9. Scan the QR Code to Discuss
4.10. GPU
5. Appendix
5.1. 이 책에 기여하는 방법
5.2.
d2l
패키지 색인
Dive into Deep Learning
Table Of Contents
서문
이 책의 사용 방법
1. 딥러닝 소개
2. 딥러닝 맛보기
2.1. 소개
2.2. Gluon 시작하기
2.3. 데이터 조작(data manipulation)
2.4. 선형 대수
2.5. 자동 미분(automatic differentiation)
2.6. 확률과 통계
2.7. 나이브 베이즈 분류(Naive Nayes Classification)
2.8. 샘플링
2.9. 문서(documentation)
3. 딥러닝 기초
3.1. 선형 회귀(Linear Regression)
3.2. 선형 회귀를 처음부터 구현하기
3.3. 선형 회귀의 간결한 구현
3.4. Softmax 회귀(regression)
3.5. 이미지 분류 데이터 (Fashion-MNIST)
3.6. Softmax 회귀(regression)를 처음부터 구현하기
3.7. Softmax 회귀(regression)의 간결한 구현
3.8. 다층 퍼셉트론 (Multilayer Perceptron)
3.9. 다층 퍼셉트론(multilayer perceptron)을 처음부터 구현하기
3.10. 다층 퍼셉트론(multilayer perceptron)의 간결한 구현
3.11. 모델 선택, 언더피팅(underfitting), 오버피팅(overfitting)
3.12. 가중치 감쇠 (weight decay)
3.13. 드롭아웃(dropout)
3.14. 순전파(forward propagation), 역전파(back propagation), 연산 그래프
3.15. 수치 안정성(numerical stability) 및 초기화
3.16. 환경
3.17. Kaggle의 주택 가격 예측하기
4. 딥러닝 계산
4.1. 층(layer)과 블럭(Block)
4.2. 파라미터 관리
4.3. 초기화 지연(deferred Initialization)
4.4. 커스텀 층(custom layer)
4.5. NDArray
4.6. Gluon 모델 파라미터들
4.7. 요약
4.8. 문제
4.9. Scan the QR Code to Discuss
4.10. GPU
5. Appendix
5.1. 이 책에 기여하는 방법
5.2.
d2l
패키지 색인
5. Appendix
¶
5.1. 이 책에 기여하는 방법
5.1.1. 요약
5.1.2. 문제
5.1.3. 참고 자료
5.1.4. Scan the QR Code to Discuss
5.2.
d2l
패키지 색인
Previous
4.10. GPU
Next
5.1. 이 책에 기여하는 방법