scutan90 / deeplearning-500-questions Goto Github PK

感谢您对DeepLearn-500-questions的支持，让我能拿到google的offer，随机抽取数位给过我赞的人发送红包，请扫码进入群聊找我领(QQ邮箱请点击显示图片)
发件人：[email protected]

虽然可能不是作者发的，但这样实在过分。提醒大家里面的二维码是红包码，这个作用都知道，但我挂出来就是为了防止更多人被欺骗。

Updated

OK，可以基本确定不是仓库 Owner 所为。而且有人用脚本监控了 Star 的用户的邮箱，并使用了随机的 163 邮箱。追查可能不太现实，大家不要相信即可。

2.6 第四点最后的图片和文字之间最好加个回车。
2.14 第一点中内容错了

第二章 2.9 2
accuracy = （TP+TN）/(P+N)，
为了更加美观，建议统一括号。要么都是中文输入下的括号、要么都是英文输入下的括号。

2.6 第4小标题

为了更好的体验，建议完善书写规范。
例如（建议）：

1. 公式块单独成行，以便其能够居中。
   e.g. $$a+b=c$$改成
   $$
   a+b=c
   $$
   当然，嵌入式公式直接使用$a+b=c$即可。
2. 段落单独成行，换行符为回车符。
   许多地方的段落结束都是向下箭头，其复制到其他地方就导致段落信息损失。（ch1中大部分都是这样）
   向下箭头换行号叫做手工换行符，虽然在排版上将同一段落的内容分成不同的部分，但是都属于同一段落，段落格式的属性都是一样的。
3. ……

在github直接点开md看可能是打开方式不对吧，渲染出来的公式没有可读性。
是这样的：

$L_p=|\vec{x}|p=\sqrt[p]{\sum{i=1}^{n}x_i^p},\vec{x}=( x_1,x_2,...,x_n )$

##希望增加使用说明、使用建议，介绍一下正确的打开方法，要下下来用什么软件看，或者是github本身有集成latex公式显示配置什么的可以处理一下？

Hey there,
an English translation would be nice for us :)

卷积概念错了，卷积神经网络算的不是卷积，是相关

不知道可不可行？如题

群人数超100了，扫码进不去了额

你好。 刚刚用微信打 QR Code 可是不可以找。手机说 "QR Code Expired"

PDF中的目录页码显示错误

然后可以在bviewer.jupyter.org里看

第二章 2.1
人工神经网络的表格缺少 | 导致表渲染失败
人工神经网络的图是png格式，引用使用jpg 导致图片插入失败

您好，我是机器之心的编辑，我们希望向读者介绍该项目，因此您能提供一下您的联系邮箱吗？

更新一下哇

矩阵的F范数：矩阵的各个元素平方之和再开平方根，它通常也叫做矩阵的L2范数，它的有点在它是一个凸函数，可以求导求解，易于计算

优点吧

15.8.6 未来量子计算对于深度学习等AI技术的影像？
这里的影像是否该改为影响呢

i look for pdf version but i just see md version
could anybody tell me where it is ?

邮件发送者：[email protected]。确认下是官方行为么？

第二章 2.2
1.监督学习是使用已知正确答案的示例来训练网络。
训练的不一定是神经网络模型，较为片面

感觉img文件夹的图片命名比较乱
我想把结构
改为：

-->img
---->ch1
------>ch1_1.png
------>ch1_2.jpg

@scutan90 觉得如何？

第一章 1.17
函数期望：设 f(x)为x的函数，则 f(x)的期望 表意不明

第二章机器学习中的2.15 线性回归与逻辑回归的区别？下面公式好像乱了，有些看不懂。

Link

一个典型的该数据集上的卷积神经网络分类器应该有[INPUT - CONV - RELU - POOL - FC]的结构

卷积层，全连接层和 POOLing 层包含超参数，RELU 层没有

这里的关于RELU层描述我觉得有问题：这里我认为应该改为 激活函数 更好一些，因为，RELU只是在CNN广泛使用的激活函数不能够表达出这个部分在CNN中的实际意义。

“第一章_数学基础.md“的1.1中向量和矩阵的标题写反了。

watch ozee tv drama serials online in high quality indian television drama free watch and download official stream Guddan Tumse Na Ho Payega and Sony TV, Star Plus hotstar, colors tv serials.

第二章 2.9 1
3）4）中的乘号*需要转义，不然会造成斜体与显示错误

阅读markdown版本第一章_数学基础，发现部分公式渲染错误。
公式下标问题：下标的下划线符号_加了转义符号\导致。（个人使用typora阅览）

为什超参数调节部门很少呢？其实对于这一部分是目前绝大多数人困惑，如何调节超参数这是一个非常工程和玄学的问题，希望作者可以增加一些技巧!我说说我的经验吧，对于超参数最重要的是学习率，其次是batchsize，卷积核的大小在绝大多数情况下要么33，要么11，训练的时候，有点先将基础网络固定在调节，有的一起调节，这个就是一个玄学问题，有的好有的很差，希望作者多放一些超参数调节技巧吧！谢谢作者！

1. 建议参考以下中文排版规范，这也是Keras中文文档的规范。

• chinese-copywriting-guidelines
• Chinese (zh-cn) translation of the Keras documentation.

2. 建议使用 MkDocs 工具将已经完成的 MarkDown 文档发布在 github 的 gh-pages分支。

“再以假正率为纵坐标、真正率为横坐标绘制成曲线”应改为“再以假正率为横坐标、真正率为纵坐标绘制成曲线”

https://github.com/scutan90/DeepLearning-500-questions/blob/master/ch4_%E7%BB%8F%E5%85%B8%E7%BD%91%E7%BB%9C/%E7%AC%AC%E5%9B%9B%E7%AB%A0_%E7%BB%8F%E5%85%B8%E7%BD%91%E7%BB%9C.md#474-inception-v4

这里是缺了个v4的图吧?

感谢贡献.

坐标的loss function是否有错，-写成了+？

在2.4 中标题为 多实例学习
而在正文中用词为 多示例学习，是不是将用词统一会好一些呢

第二章 2.9
negtive —>negative

生成对抗网络GAN 这个也是一个很重要的网络，也希望能集合到一块去

逻辑回归时生成模型，朴素贝叶斯是判别模型，所以生成和判别的所有区别它们都有。

从语义判断正确句子应为：

逻辑回归是生成模型……

214-逻辑回归与朴素贝叶斯有什么区别

213123

感谢这么好的资源。
在第三章，PDF版本的119页，BN的公式（3），分母中两项是不是应该是减号，而不是加号。

寻愿意编辑MD版本的朋友,我可以把word版本分享出来，好让集体的力量完善，寻继续合作完善出书的朋友

联系方式：[email protected]

感觉介绍的很简单？全而不细，后面更新幅度怎么样？

Hi, 感谢分享，刚想加微信群发现已满，可否把我加进去，wechat id: treelearn
多谢， have a good day.

您好，我也很想参与到本repo的编辑当中来。不过，我有这样一个困惑。认领某章节的MD版本编辑工作时，我该如何知道哪一个章节已经有人在编辑了哪一章节还处于未认领的状态？
是不是可以在README中添加一下章节编辑状态的信息？