【NIPS2017】 DeepMind深度学习最佳实践与新技术展望，181页PPT全景展示最近深度学习技术（附下载）

【导读】在NIPS2017上，DeepMind及Google所发布的教程《深度学习实战及趋势》（Deep Learning: Practice and Trends）对最新的深度学习技术及2017年的技术新趋势做了详细总结。这次报告内容主要分为实践和趋势两个部分，其中实践包含最新的卷积网络，循环网络，Attention机制的应用和技巧，趋势部分包括最新的元学习，图结构学习等内容。专知内容组整理出这次报告的全部PPT分享给大家！

▌摘要

---

---

深度学习已经成为各种实际应用，研究实验室，工业领域的基本工具。在本教程中，我们将提供一套指导实践方法，帮助新手了解最新和先进的模型， （例如图像，视频，波形，序列，图形）以及复杂的任务（如从一些简单样本中学习，或者生成分子）的应用。

内容主要分为实践和趋势两个部分，其中实践包含最新的卷积网络，循环网络，Attention机制的应用和技巧，趋势部分包括最新的元学习，图结构学习等内容。

每一部分都是从模型的输入输出，结构以及损失函数三部分来介绍。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“DLPT” 就可以获取深度学习实战及趋势 pdf下载~ 

• 注：原PPT181页，专知内容组去除动态页数，现为161页，没有进行删减。

▌演讲者

---

---

• Nando de Freitas 剑桥大学机器学习教授，Deepmind研究科学家主

  https://www.cs.ox.ac.uk/people/nando.defreitas/

  
  

• ScottReed DeepMind高级研究科学家

  http://www.scottreed.info/

  
  

• Oriol Vinyals Google研究科学家https://research.google.com/pubs/OriolVinyals.html

▌实践部分

---

---

• 深度学习工具箱
  

• 卷积网络

      -    卷积基本结构

      -     AlexNet

-      深层卷积的挑战，实践与技巧

-      ResNet，DenseNet，U-Net

• 循环网络与注意力机制

-      循环网络语言模型

-      seq2seq

-      seq2seq with Attention

▌趋势部分

---

---

• 自回归模型
  

-      NADE, MADE, RIDE,PixelCNN,WaveNet

-      因果卷积（causal convolutions）

-      Self-Attenion

• 领域对齐

-      跨领域图像生成

-      CycleGAN

-      图像到图像翻译（Image-to-image Translation）

-      DiscoGAN

-      GraspGAN

-      无监督机器翻译

• 元学习

-      Meta Learning/Learning to Learn

          -      One-shot imitation learning

• 图结构和神经网络

-      消息传递神经网络(Message Passing Neural Networks

-      Gated Graph neural networks

参考：

https://nips.cc/Conferences/2017/Schedule?showEvent=8730

https://www.youtube.com/watch?v=C80S_2mivFA

▌PPT简介

---

---

专知内容组专门整理出《深度学习实战及趋势》报告PPT：

-END-

专 · 知

人工智能领域主题知识资料查看获取：【专知荟萃】人工智能领域26个主题知识资料全集（入门/进阶/论文/综述/视频/专家等）

同时欢迎各位用户进行专知投稿，详情请点击：

【诚邀】专知诚挚邀请各位专业者加入AI创作者计划！了解使用专知！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请扫一扫如下二维码关注我们的公众号，获取人工智能的专业知识！

请加专知小助手微信（Rancho_Fang），加入专知主题人工智能群交流！

点击“阅读原文”，使用专知！