大家如果想获取这个PDF可以关注，收藏点赞并私信我，我把这个PDF文档发给感兴趣的朋友
目录
预备知识
预备知识内容
线性神经网络
线性回归
基本元素
矢量化加速
正态分布与平方损失
从线性回归到深度网络
小结与练习
线性回归的实现
从零开始实现
简洁实现
softmax回归
分类问题与网络结构
全连接层的参数开销与softmax操作
损失函数与信息论基础
模型预测和评估
小结与练习
图像分类数据集
读取与处理
整合所有组件
softmax回归的实现
从零开始实现
简洁实现
多层感知机
多层感知机基础
隐藏层与激活函数
小结与练习
多层感知机的实现
从零开始实现
简洁实现
模型选择、欠拟合和过拟合
训练误差与泛化误差
模型选择策略
欠拟合与过拟合的判断
小结与练习
权重衰减与Dropout
范数与权重衰减
Dropout的原理与实践
小结与练习
正向传播、反向传播与计算图
正向传播与计算图
反向传播算法
小结与练习
数值稳定性与模型初始化
梯度消失与梯度爆炸
参数初始化策略
小结与练习
环境与分布偏移
分布偏移的类型与示例
分布偏移的纠正
学习问题的分类法
机器学习中的公平、责任与透明度
小结与练习
Kaggle实战：预测房价
数据集下载与预处理
模型训练与选择
Kaggle提交与评估
小结与练习
深度学习计算
层与块
自定义块与顺序块
正向传播函数中的代码执行
效率优化
小结与练习
参数管理
参数访问与初始化
参数绑定策略
小结与练习
延后初始化
实例化网络的过程
小结与练习
自定义层
不带参数的层与带参数的层
小结与练习
文件读写
加载与保存张量
加载与保存模型参数
小结与练习
GPU加速
计算设备与张量
神经网络与GPU的结合
小结与练习
卷积神经网络
卷积基础
从全连接层到卷积
图像卷积与特征映射
填充与步幅
深层卷积网络
Inception块与GoogLeNet模型
批量归一化
残差网络（ResNet）
稠密连接网络（DenseNet）
循环神经网络
序列模型基础
统计工具与训练方法
预测过程
小结与练习
文本预处理
数据集读取与标记化
词汇表构建
整合所有步骤
