为了方便自己和其他人查阅笔记，特意将自己的学习笔记链接汇总整理到该博文中。
| Tensorflow | 简介 |
|---|---|
| TensorFlow2.0 Hello world | TF 2.0构建最简单的神经网络 |
| TensorFlow 2.0 实现线性回归和非线性回归 | TF 2.0解决回归问题 |
| TensorFlow 2.0 对MNIST数据进行分类 | 包括层数加深、Dropout、正则化、CNN、RNN的使用 |
| TensorFlow 2.0 保存、读取、绘制模型 | 保存模型、读取模型和绘制模型 |
| 谷歌TPU使用方法 | TPU相比GPU的训练速度快得多 |
| TensorFlow 1.x 基本知识总结 | placeholder、fetch、feed、embedding_lookup |
| tf.app.flags | TensorFlow输入参数 |
| Pytorch | 简介 |
|---|---|
| PyTorch的基本概念 | 介绍、环境安装等 |
| PytTorch和Numpy之间的关联 | 两者之间的关联和对比 |
| PyTorch数学运算 | PyTorch基本运算 |
| PyTorch的自动求导 | PyTorch自动求导的理解和坑 |
| PyTorch实现逻辑回归 | PyTorch实现逻辑回归 |
| 简单网络在Numpy和PyTorch上的实现 | 简单神经网络在两者的实现 |
| PyTorch实现正则化和Dropout | 正则化和Dropout |
| PyTorch使用CNN对手写数字进行识别 | PyTorch CNN的应用 |
| Word2Vec在PyTorch中的简单实现 | Word2Vec in PyTorch |
| 语言模型在PyTorch的简单实现 | 语言模型 in PyTorch |
