Коллекция переводов ApacheCN Deep Learning 20210112 Обновить

Добавлено шесть новых обучающих программ:

• Расширенное глубокое обучение с TensorFlow 2 и Keras
  • ноль, предисловие
  • 1. Начало работы с расширенным глубоким обучением с помощью Keras
  • 2. Глубокая нейронная сеть
  • 3. Автоэнкодер
  • 4. Генеративно-состязательные сети (GAN)
  • 5. Улучшенный ГАН
  • 6. Представление запутанности GAN
  • 7. Междоменная ГАН
  • 8. Вариационный автоэнкодер (VAE)
  • 9. Глубокое обучение с подкреплением
  • 10. Метод градиента политики
  • 11. Обнаружение объектов
  • 12. Семантическая сегментация
  • 13. Неконтролируемое обучение с использованием взаимной информации
• Практическое руководство по искусственному интеллекту на GCP
  • ноль, предисловие
  • Раздел 1. Основы Google Cloud Platform
    • 1. Обзор ИИ и GCP
    • 2. Расчет и обработка с использованием компонентов GCP
  • Раздел 2. Искусственный интеллект с облачной платформой Google
    • 3. Приложения машинного обучения XGBoost
    • 4. Использование облачного AutoML
    • 5. Создайте механизм машинного обучения в облаке больших данных
    • 6. Приложения для умного разговора с использованием DialogFlow
  • Раздел 3: TensorFlow на облачной платформе Google
    • 7. Понимание облачного ТПУ
    • 8. Реализация моделей TensorFlow с использованием Cloud ML Engine
    • 9. Создайте приложение для предсказания
  • Раздел 4: Создание приложений и предстоящие функции
    • 10. Создайте приложение ИИ
• Практическое руководство по архитектуре глубокого обучения в Python
  • ноль, предисловие
  • Раздел 1: Элементы глубокого обучения
    • 1. Введение в глубокое обучение
    • 2. Глубокие сети прямой связи
    • 3. Ограниченные машины Больцмана и автоэнкодеры
  • Раздел 2: Сверточные нейронные сети
    • 4. Архитектура CNN
    • 5. Мобильные нейронные сети и CNN
  • Раздел 3: Моделирование последовательности
    • 6. Рекуррентная нейронная сеть
  • Раздел 4: Генеративно-состязательные сети (GAN)
    • 7. Генеративные состязательные сети
  • Раздел 5: Будущее глубокого обучения и передового искусственного интеллекта
    • 8. Новые тенденции в глубоком обучении
• Практическое руководство по глубокому обучению в Интернете с помощью Python
  • ноль, предисловие
  • Раздел 1: Искусственный интеллект для Интернета
    • 1. Демистификация основ искусственного интеллекта и машинного обучения
  • Раздел 2: Веб-разработка с использованием глубокого обучения
    • 2. Начало работы с глубоким обучением с использованием Python
    • 3. Создайте свое первое веб-приложение для глубокого обучения
    • 4. Начало работы с TensorFlow.js
  • Раздел 3. Начало работы с различными API глубокого обучения для веб-разработки
    • 5. Глубокое обучение через API
    • 6. Глубокое обучение Python на облачной платформе Google
    • 7. Python DL на AWS: обнаружение объектов и домашняя автоматизация
    • 8. Глубокое обучение Python в Microsoft Azure
  • Раздел 4: Глубокое обучение в производстве (умные веб-приложения)
    • 9. Общая производственная среда для веб-сайтов с поддержкой глубокого обучения
    • 10. Защита веб-приложений с помощью глубокого обучения
    • Eleven, DIY — производственная среда Web DL
    • 12. Создавайте веб-приложения E2E с помощью DL API и чат-бота службы поддержки клиентов.
  • 13. Приложение: Истории успеха и новые области глубокого обучения для Интернета
• Освоение TensorFlow 2.x Computer Vision
  • ноль, предисловие
  • Раздел 1: Введение в компьютерное зрение и нейронные сети
    • 1. Базовые знания компьютерного зрения и TensorFlow
    • 2. Распознавание контента с использованием локальных двоичных шаблонов
    • 3. Распознавание лиц с помощью OpenCV и CNN
    • 4. Глубокое обучение для изображений
  • Раздел 2: Расширенные концепции компьютерного зрения с использованием TensorFlow
    • 5. Архитектура и модель нейронной сети
    • 6. Визуальный поиск с использованием трансферного обучения
    • Семь, обнаружение объектов YOLO
    • 8. Семантическая сегментация и передача нейронного стиля
  • Раздел 3: Высокоуровневая реализация компьютерного зрения с использованием TensorFlow
    • 9. Распознавание действий с помощью многозадачного глубокого обучения
    • 10. Обнаружение объектов R-CNN, SSD и R-FCN
  • Раздел 4: Реализация TensorFlow на периферии и в облаке
    • 11. Глубокое обучение на пограничных устройствах с оптимизацией CPU/GPU
    • 12. Платформа облачных вычислений для компьютерного зрения
• TensorFlow Lite, ML Kit и глубокое обучение Flutter для мобильных устройств
  • ноль, предисловие
  • 1. Введение в мобильное глубокое обучение
  • 2. Мобильное зрение — распознавание лиц с использованием моделей на устройстве
  • 3. Чат-боты с использованием Google Action
  • 4. Знайте виды растений
  • 5. Создавайте субтитры в реальном времени с камеры.
  • 6. Создайте систему аутентификации с искусственным интеллектом
  • 7. Обработка речи/мультимедиа — использование ИИ для создания музыки
  • 8. Шахматный движок на основе усиленной нейронной сети
  • 9. Создание приложений для изображений со сверхвысоким разрешением
  • 10. Дорога впереди
  • 11. Приложение

скачать

Docker

docker pull apachecn0/apachecn-dl-zh
docker run -tid -p <port>:80 apachecn0/apachecn-dl-zh
# 访问 http://localhost:{port} 查看文档

PYPI

pip install apachecn-dl-zh
apachecn-dl-zh <port>
# 访问 http://localhost:{port} 查看文档

NPM

npm install -g apachecn-dl-zh
apachecn-dl-zh <port>
# 访问 http://localhost:{port} 查看文档

Руководство по взносам

Этот проект нуждается в корректуре, и вы можете отправить запрос на слияние.

Пожалуйста, имейте смелость переводить и улучшать переводы. Несмотря на то, что мы стремимся к совершенству, мы не ожидаем, что вы будете безупречны, поэтому не беспокойтесь об ошибках перевода - в большинстве случаев наши серверы записали все переводы, поэтому вам не нужно беспокоиться о своих ошибках до непоправимых повреждать. (Адаптировано из Википедии)