github.com/d2l-ai/d2l-vi @v0.14.4

Dự án dịch sách "Dive into Deep Learning"

• Bản tiếng Việt: https://d2l.aivivn.com/
• Bản tiếng Anh: https://www.d2l.ai/

Thảo luận cùng nhóm Dịch thuật

Bạn có thể bắt đầu một cuộc thảo luận mới tại đây.

Bảng thuật ngữ

Tra cứu các thuật ngữ được sử dụng trong nhóm dịch tại đây.

Mục lục

Nhấn vào để xem chi tiết

• [x] Lời nói đầu
• [x] Cài đặt
• [x] Ký hiệu
• [x] 1. Giới thiệu
• [x] 2. Sơ bộ
  • [x] 2.1. Thao tác với Dữ liệu
  • [x] 2.2. Tiền Xử lý Dữ liệu
  • [x] 2.3. Đại số Tuyến tính
  • [x] 2.4. Giải tích
  • [x] 2.5. Tính vi phân Tự động
  • [x] 2.6. Xác suất
  • [x] 2.7. Tài liệu
• [x] 3. Mạng nơ-ron Tuyến tính
  • [x] 3.1. Hồi quy Tuyến tính
  • [x] 3.2. Lập trình Hồi quy Tuyến tính từ đầu
  • [x] 3.3. Cách lập trình Súc tích Hồi quy Tuyến tính
  • [x] 3.4. Hồi quy Softmax
  • [x] 3.5. Bộ dữ liệu Phân loại Ảnh (Fashion-MNIST)
  • [x] 3.6. Lập trình Hồi quy Sofmax từ đầu
  • [x] 3.7. Cách lập trình Súc tích Hồi quy Softmax
• [x] 4. Perceptron Đa tầng
  • [x] 4.1. Perceptron Đa tầng
  • [x] 4.2. Lập trình Perceptron Đa tầng từ đầu
  • [x] 4.3. Cách lập trình Súc tích Perceptron Đa tầng
  • [x] 4.4. Lựa chọn Mô hình, Dưới khớp và Quá khớp
  • [x] 4.5. Suy giảm Trọng số
  • [x] 4.6. Dropout
  • [x] 4.7. Lan truyền Xuôi, Lan truyền Ngược và Đồ thị Tính toán
  • [x] 4.8. Sự ổn định Số học và Sự khởi tạo
  • [x] 4.9. Cân nhắc tới Môi trường
  • [x] 4.10. Dự đoán Giá Nhà trên Kaggle
• [x] 5. Tính toán Học sâu
  • [x] 5.1. Tầng và Khối
  • [x] 5.2. Quản lý Tham số
  • [x] 5.3. Khởi tạo trễ
  • [x] 5.4. Các tầng Tuỳ chỉnh
  • [x] 5.5. Đọc/Ghi tệp
  • [x] 5.6. GPU
• [x] 6. Mạng nơ-ron Tích chập
  • [x] 6.1. Từ Tầng dày đặc đến Phép Tích chập
  • [x] 6.2. Phép tích chập cho Ảnh
  • [x] 6.3. Đệm và Sải bước
  • [x] 6.4. Đa kênh Đầu vào và ra
  • [x] 6.5. Gộp
  • [x] 6.6. Mạng Nơ-ron Tích chập (LeNet)
• [x] 7. Mạng nơ-ron Tích chập Hiện đại
  • [x] 7.1. Mạng Nơ-ron Tích Chập sâu (AlexNet)
  • [x] 7.2. Mạng sử dụng Khối (VGG)
  • [x] 7.3. Mạng trong Mạng (NiN)
  • [x] 7.4. Mạng ghép song song (GoogLeNet)
  • [x] 7.5. Chuẩn hóa theo Batch
  • [x] 7.6. Mạng Phần dư (ResNet)
  • [x] 7.7. Mạng Tích chập Kết nối Dày đặc (DenseNet)
• [x] 8. Mạng nơ-ron Hồi tiếp
  • [x] 8.1. Mô hình chuỗi
  • [x] 8.2. Tiền Xử lý Dữ liệu Văn bản
  • [x] 8.3. Mô hình Ngôn ngữ và Tập dữ liệu
  • [x] 8.4. Mạng nơ-ron Hồi tiếp
  • [x] 8.5. Lập trình Mạng nơ-ron Hồi tiếp từ đầu
  • [x] 8.6. Cách lập trình Súc tích Mạng nơ-ron Hồi tiếp
  • [x] 8.7. Lan truyền Ngược qua Thời gian
• [x] 9. Mạng Hồi tiếp Hiện đại
  • [x] 9.1. Nút Hồi tiếp có Cổng (GRU)
  • [x] 9.2. Bộ nhớ Ngắn hạn Dài (LSTM)
  • [x] 9.3. Mạng nơ-ron Hồi tiếp sâu
  • [x] 9.4. Mạng Nơ-ron Hồi tiếp Hai chiều
  • [x] 9.5. Dịch Máy và Tập dữ liệu
  • [x] 9.6. Kiến trúc Mã hóa - Giải mã
  • [x] 9.7. Chuỗi sang Chuỗi
  • [x] 9.8. Tìm kiếm Chùm
• [x] 10. Cơ chế Tập trung
  • [x] 10.1. Cơ chế Tập trung
  • [x] 10.2. Chuỗi sang Chuỗi áp dụng Cơ chế Tập trung
  • [x] 10.3. Kiến trúc Transformer
• [x] 11. Thuật toán Tối ưu
  • [x] 11.1. Tối ưu và Học sâu
  • [x] 11.2. Tính lồi
  • [x] 11.3. Hạ Gradient
  • [x] 11.4. Hạ Gradient Ngẫu nhiên
  • [x] 11.5. Hạ Gradient Ngẫu nhiên theo Minibatch
  • [x] 11.6. Động lượng
  • [x] 11.7. Adagrad
  • [x] 11.8. RMSProp
  • [x] 11.9. Adadelta
  • [x] 11.10. Adam
  • [x] 11.11. Định thời Tốc độ Học
• [x] 12. Hiệu năng Tính toán
  • [x] 12.1. Trình biên dịch và Trình thông dịch
  • [x] 12.2. Tính toán Bất đồng bộ
  • [x] 12.3. Song song hóa Tự động
  • [x] 12.4. Phần cứng
  • [x] 12.5. Huấn luyện đa GPU
  • [x] 12.6. Cách lập trình Súc tích đa GPU
  • [x] 12.7. Tham số Máy chủ
• [x] 13. Thị giác Máy tính
  • [x] 13.1. Tăng cường Ảnh
  • [x] 13.2. Tinh chỉnh
  • [x] 13.3. Phát hiện Vật thể và Khoanh vùng Đối tượng (Khung chứa)
  • [x] 13.4. Khung neo
  • [x] 13.5. Phát hiện Vật thể Đa tỉ lệ
  • [x] 13.6. Tập dữ liệu Phát hiện Đối tượng
  • [x] 13.7. Phát hiện Nhiều khung trong Một lần Thực hiện (SSD)
  • [x] 13.8. CNN theo Vùng (R-CNNs)
  • [x] 13.9. Phân vùng theo Ngữ nghĩa và Tập dữ liệu
  • [x] 13.10. Tích chập Chuyển vị
  • [x] 13.11. Mạng Tích chập Đầy đủ (FCN)
  • [x] 13.12. Truyền tải Phong cách Nơ-ron
  • [x] 13.13. Phân loại Ảnh (CIFAR-10) trên Kaggle
  • [x] 13.14. Nhận diện Giống Chó (ImageNet Dogs) trên Kaggle
• [x] 14. Xử lý Ngôn ngữ Tự nhiên: Tiền Huấn luyện
  • [x] 14.1. Embedding Từ (word2vec)
  • [x] 14.2. Huấn luyện gần đúng
  • [x] 14.3. Dữ liệu cho Tiền Huấn luyện Embbeding Từ
  • [x] 14.4. Tiền huấn luyện word2vec
  • [x] 14.5. Embedding từ với Vector Toàn cục (GloVe)
  • [x] 14.6. Embedding từ con
  • [x] 14.7. Tìm kiếm các từ Đồng nghĩa và các Loại suy
  • [x] 14.8. Biểu diễn Mã hóa hai chiều từ Transformer (BERT)
  • [x] 14.9. Tập dữ liệu để tiền huấn luyện BERT
  • [x] 14.10. Tiền Huấn luyện BERT
• [x] 15. Xử lý Ngôn ngữ Tự nhiên: Ứng dụng
  • [x] 15.1. Tác vụ Phân tích Cảm xúc và Bộ Dữ liệu
  • [x] 15.2. Phân tích Cảm xúc: Sử dụng Mạng Nơ-ron Hồi tiếp
  • [x] 15.3. Phân tích Cảm xúc: Sử dụng Mạng Nơ-ron Tích Chập
  • [x] 15.4. Suy luận Ngôn ngữ Tự nhiên và tập Dữ liệu
  • [x] 15.5. Suy diễn Ngôn ngữ Tự nhiên: Sử dụng Cơ chế Tập trung
  • [x] 15.6. Tinh chỉnh BERT cho các Ứng dụng Cấp Chuỗi và Cấp Token
  • [x] 15.7. Suy luận Ngôn ngữ Tự nhiên: Tinh chỉnh BERT
• [x] 16. Hệ thống Gợi ý
  • [x] 16.1. Sơ lược về Hệ thống Gợi ý
  • [x] 16.2. Tập dữ liệu MovieLens
  • [x] 16.3. Phân rã Ma trận
  • [x] 16.4. AutoRec: Dự đoán Đánh giá với Bộ tự mã hóa
  • [x] 16.5. Cá nhân hóa Xếp hạng trong Hệ thống Gợi ý
  • [x] 16.6. Lọc Cộng tác Nơ-ron cho Cá nhân hóa Xếp hạng
  • [x] 16.7. Hệ thống Gợi ý có Nhận thức về Chuỗi
  • [x] 16.8. [Hệ thống Gợi ý Phong phú Đặc trưng](chapter_recommender-systems/