一如既往的好，感觉是看过的解释GMM和EM算法最深入浅出的资料了。全书分十个步骤逐步解释了生成模型，对初学者入门很友好。

《深度学习入门5生成模型》PDF+源代码+斋藤康毅
《深度学习入门5生成模型》PDF，303页，有书签，文字可复制；配套源代码。
下载: https://pan.baidu.com/s/1hzs8cJM1R5EsdbexBK9KpA?pwd=p3kk
提取码: p3kk



好书！一步步讲解怎么实现一个扩散模型。模型真的简洁优美，数学推导没看懂可以先把代码看懂再回过头去看，把握了模型在做什么才知道为什么要推这么些公式。推导过程有不少博主做了讲解视频，可以配合来看。



要基于文本生成图像，需要将文本变换为向量。Stable Diffusion使用CLIP由图像编码器和文本编码器这两部分构成。图像编码器可以将图了名为CLIP的预训练神经网络。用于训练CLIP的数据集是从互联网上收像变换为向量，文本编码器则可以将文本变换为向量。然后，可以根集的4亿张图像及其对应的文本。


《深度学习入门2自制框架》pdf+源代码+斋藤康毅
《深度学习入门2自制框架》pdf，504页，有书签，文字可复制；配套源代码，斋藤康毅著
下载: https://pan.baidu.com/s/1PBrX88KcKP4TEselzCAC7A?pwd=2s36
提取码: 2s36



深度学习框架中蕴藏着惊人的技术和有趣的机制，旨在揭开这些技术和机制的神秘面纱，帮助正确理解技术，体会它们的有趣之处。从零开始创建一个深度学习框架——DeZero。DeZero 是原创的框架，它用最少的代码实现了现代深度学习框架的功能。分60 个步骤来完成这个框架，在此过程中，会加深对PyTorch、TensorFlow 和Chainer 等现代深度学习框架的理解，看清深度学习框架的本质。

如今，深度学习正在推动各个领域的创新。自动驾驶技术、疾病自动诊断技术、高精度机器翻译技术、先进的机器人控制技术……这些仿佛在虚拟世界中才会出现的技术近年来正在成为现实，而且在实际生活中得到了应用。令人惊讶的是，这些技术大多因为深度学习才得以实现（或者正在实现）。可以说我们生活在一个由深度学习改变世界的时代。



数值微分更严重的问题是计算成本高。具体来说，在求多个变量的导数时，程序需要计算每个变量的导数。有些神经网络包含几百万个以上的变量（参数），通过数值微分对这么多的变量求导是不现实的。这时，反向传播就派上了用场。另外，数值微分可以轻松实现，并能计算出大体正确的数值。而反向传播是一种复杂的算法，实现时容易出现bug。我们可以使用数值微分的结果检查反向传播的实现是否正确。这种做法叫作梯度检验（gradient checking），它是一种将数值微分的结果与反向传播的结果进行比较的方法。