# 深度學習/DL/神經網絡/NN

深度學習-Pytorch：建構DNN神經網絡模型【建構方式：自定義函數及參數、nn.Module()、nn.Module()&nn.Sequential()】、Visdom可視化一、nn.Module()的作用二、DNN神經網絡模型的建立模式
# 深度學習/DL/神經網絡/NN 人工智能神經網絡深度學習
08-01
深度學習-自然語言處理(NLP)-Pytorch：建立RNN、LSTM、GRU神經網絡模型【人名所屬國家分類器】
# 深度學習/DL/神經網絡/NN # 自然語言處理/NLP 人工智能深度學習自然語言處理 NLP
07-15
深度學習-神經網絡：CNN（Convolutional Neural Networks，卷積神經網絡）一、概述二、CNN的組成三、CNN in Keras四、CNN的訓練過程1、前向傳播過程2、反向傳播過程3、卷積神經網絡的權值更新五、卷積神經網絡之優缺點六、典型CNN七、Fine-Tuning八、卷積神經網絡的常用架構九、CNN的參數優化方法十、CNN經典結構：VGG案例-cifar100資料集【Tensorflow2】
# 深度學習/DL/神經網絡/NN 人工智能機器學習深度學習神經網絡卷積
06-18
深度學習-神經網絡：GNN(Graph Neural Networks，圖形神經網絡)GNN的用途Graph GenerationSummary
# 深度學習/DL/神經網絡/NN 人工智能機器學習深度學習算法
06-18
深度學習-激活函數：飽和激活函數【Sigmoid、tanh】、非飽和激活函數【ReLU、Leaky ReLU、RReLU、PReLU、ELU、Maxout】一、激活函數的定義：二、激活函數的用途三、飽和激活函數與非飽和激活函數四、激活函數的種類五、激活函數的選擇
# 深度學習/DL/神經網絡/NN 人工智能機器學習深度學習神經網絡
03-18
深度學習/Deep Learning==神經網絡/Neural Network：綜述一、人工智能、機器學習、深度學習關系二、深度學習技術發展史三、深度學習算法圖解
# 深度學習/DL/神經網絡/NN 人工智能深度學習
03-01