Synced 深度研学社 每周干货,每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少,每周进步一点点~
【入门教程】
by Tim Dettmers
终于迎来了 Deep Learning in a Nutshell 系列的最后一篇教程!不知道之前三篇大家学习的怎么样了呢?在这篇文章中,作者将重点放在了强化学习上。首先作者通过类比人类学习的过程,介绍强化学习的基本概念和目标;随后,作者通过详细的图表,解释相关的深度学习函数与训练过程,还附有一个来自 Google 的 Q-training 演示视频。文末还有 AlphaGo 所使用的训练架构的解说,有助于进一步理解前文的内容。在结尾部分,作者还提供了一个 OpenAI 使用教程的链接,不要错过哦。
Train Your Reinforcement Learning Agents at the OpenAI Gym: https://devblogs.nvidia.com/parallelforall/train-reinforcement-learning-agents-openai-gym/
【技术分析】
by Chris Olah & Shan Carter
简介:本文是 Google Brain 两位研究者 Chris Olah 和 Shan Carter 发表在个人网站 distill.pub 上为数不多的文章之一。文章重点介绍了注意力和增强循环神经网络,他们认为未来几年这些「增强 RNN(augmented RNN)」将在深度学习能力扩展中发挥重要的作用。
【资源分享】
简介:此项目包含了深度学习常用的十种算法的 TensorFlow 实现,包括:
卷积网络(Convolutional Network)
循环神经网络(LSTM)(Recurrent Neural Network (LSTM))
受限玻尔兹曼机(Restricted Boltzmann Machine)
深度信念网络(Deep Belief Network)
作为RBM堆叠的深度自编码器(Deep Autoencoder as stack of RBMs)
去噪自编码器(Denoising Autoencoder)
堆叠的去噪自编码器(Stacked Denoising Autoencoder)
作为去噪自编码器堆叠的深度自编码器(Deep Autoencoder as stack of Denoising Autoencoders)
多层感知器(MultiLayer Perceptron)
Logistic 回归
安装过程非常简单,强烈推荐。