0.6版发布

新增教程

循环神经网络

• 循环神经网络 — 从0开始
• 通过时间反向传播
• 门控循环单元（GRU）— 从0开始
• 长短期记忆（LSTM）— 从0开始
• 循环神经网络 — 使用Gluon

计算机视觉

• YOLO — 使用Gluon
• 语义分割：FCN
• 样式迁移
• 实战Kaggle比赛——使用Gluon识别120种狗 (ImageNet Dogs)

自然语言处理

• 词向量 — word2vec
• 词向量 — GloVe和fastText
• 使用预训练的词向量
• 编码器—解码器（seq2seq）和注意力机制
• 神经机器翻译

0.5版发布

新增教程

计算机视觉

• 物体检测概述
• 物体检测 --- SSD
• 全连接卷积网络
• 样式迁移
• 实战Kaggle比赛——使用Gluon识别120种狗 (ImageNet Dogs)

优化算法

• AdaDelta: scatach and gluon
• Adam: scatach and gluon
• RMSProp: scatach and gluon
• AdaGrad: scatach and gluon

其他更新

• FIX了latex编译的一些bug
• FIX了很多typo

0.4版发布

新增教程

前言

• 在AWS上运行教程

卷积神经网络

• 网络中的网络
• 更深的卷积神经网络：GoogLeNet
• ResNet：深度残差网络
• DenseNet：稠密连接的卷积神经网络

优化算法

• 优化算法概述
• 梯度下降和随机梯度下降 — 从0开始
• 梯度下降和随机梯度下降 — 使用Gluon
• 动量法 — 从0开始
• 动量法 — 使用Gluon

Gluon高级

• Hybridize：更快和更好移植
• 延迟执行
• 自动并行
• 多GPU来训练 — 从0开始
• 多GPU来训练 — 使用Gluon

计算机视觉

• 图片增强
• 实战Kaggle比赛——使用Gluon对原始图像文件分类（CIFAR-10）

其他改动

• 改进了Makefile，每次编译只运行改动后的notebook
• 使用了S3+CloudFront来host网页
• URL里面加了chapter名字，可能break前面的一些link
• CI server从单M60改到双M60
• FIX了很多文字

0.3版发布

新增教程

监督学习

• 丢弃法（Dropout）— 从0开始
• 丢弃法（Dropout）— 使用Gluon

卷积神经网络

• 批量归一化 — 从0开始
• 批量归一化 — 使用Gluon
• 深度卷积神经网络和AlexNet
• VGG：使用重复元素的非常深的网络

其他改动

主要是fix typo

0.2版发布

新增教程

监督学习

• 欠拟合和过拟合
• 正则化 — 从0开始
• 正则化 — 使用Gluon
• 实战Kaggle比赛——使用Gluon预测房价和K折交叉验证

Gluon基础

• 创建神经网络
• 初始化模型参数
• 序列化 — 读写模型
• 设计自定义层
• 使用GPU来计算

循环神经网络

• 循环神经网络 — 从0开始

其他改动

• 除了HTML版本外，也发布PDF可打印版本。
• 将mxnet依赖改到9/15/2017
• 为kaggle教程加了pandas的依赖
• 更详细的安装教程
• 将 random_uniform 改成 random.uniform
• fix了一堆typo

0.1版发布

主要特性

翻译并改进了下面教程

• 为什么要做这个项目
• 前言
• 安装和使用
• 机器学习简介
• 使用NDArray来处理数据
• 使用autograd来自动求导
• 从0开始的线性回归
• 使用Gluon的线性回归
• 从0开始的多类逻辑回归
• 使用Gluon的多类逻辑回归
• 从0开始的多层感知机
• 使用Gluon的多层感知机
• 从0开始的卷积神经网络
• 使用Gluon的卷积神经网络

架设了文档服务器： https://zh.gluon.ai
开始运营了社区：https://discuss.gluon.ai