d2lzh包索引

本文经授权转载自《动手学深度学习》。全书内容参见 zh.d2l.ai，GitHub项目参见 github.com/d2l-ai/d2l-zh

函数、类等名称：定义所在章节

• bbox_to_rect：物体检测和边界框
• Benchmark：异步计算
• corr2d：二维卷积层
• count_tokens：文本情感分类：使用循环神经网络
• data_iter：线性回归的从零开始实现
• data_iter_consecutive：语言模型数据集（周杰伦专辑歌词）
• data_iter_random：语言模型数据集（周杰伦专辑歌词）
• download_imdb：文本情感分类：使用循环神经网络
• download_voc_pascal：语义分割和数据集
• evaluate_accuracy：图像增广
• get_data_ch7：小批量随机梯度下降
• get_fashion_mnist_labels：图像分类数据集（Fashion-MNIST）
• get_tokenized_imdb：文本情感分类：使用循环神经网络
• get_vocab_imdb：文本情感分类：使用循环神经网络
• grad_clipping：循环神经网络的从零开始实现
• linreg：线性回归的从零开始实现
• load_data_fashion_mnist：深度卷积神经网络（AlexNet）
• load_data_jay_lyrics：语言模型数据集（周杰伦专辑歌词）
• load_data_pikachu：物体检测数据集（皮卡丘）
• mkdir_if_not_exist：实战Kaggle比赛：图像分类（CIFAR-10）
• plt：线性回归的从零开始实现
• predict_rnn：循环神经网络的从零开始实现
• predict_rnn_gluon：循环神经网络的简洁实现
• predict_sentiment：文本情感分类：使用循环神经网络
• preprocess_imdb：文本情感分类：使用循环神经网络
• read_imdb：文本情感分类：使用循环神经网络
• read_voc_images：语义分割和数据集
• Residual：残差网络（ResNet）
• resnet18：多GPU计算的简洁实现
• RNNModel：循环神经网络的简洁实现
• semilogy：模型选择、欠拟合和过拟合
• set_figsize：线性回归的从零开始实现
• sgd：线性回归的从零开始实现
• show_bboxes：锚框
• show_fashion_mnist：图像分类数据集（Fashion-MNIST）
• show_images：图像增广
• show_trace_2d：梯度下降和随机梯度下降
• squared_loss：线性回归的从零开始实现
• to_onehot：循环神经网络的从零开始实现
• train：图像增广
• train_2d：梯度下降和随机梯度下降
• train_and_predict_rnn：循环神经网络的从零开始实现
• train_and_predict_rnn_gluon ：循环神经网络的简洁实现
• train_ch3：softmax回归的从零开始实现
• train_ch5：卷积神经网络（LeNet）
• train_ch7：小批量随机梯度下降
• train_gluon_ch7：小批量随机梯度下降
• try_all_gpus：图像增广
• try_gpu：卷积神经网络（LeNet）
• use_svg_display：线性回归的从零开始实现
• VOC_CLASSES：语义分割和数据集
• VOC_COLORMAP：语义分割和数据集
• voc_label_indices：语义分割和数据集
• voc_rand_crop：语义分割和数据集
• VOCSegDataset：语义分割和数据集