startrekor / DeepLearningCourseCodes

Notes, Codes, and Tutorials for the Deep Learning Course at ChinaHadoop

Deep Learning Course Codes

Notes, Codes, and Tutorials for the Deep Learning Course at ChinaHadoop

注意每一份代码分别有Jupyter Notebook, Python, 以及HTML三种形式，大家可以按照自己的需求阅读，学习或运行。 运行时需要注意anaconda的版本问题，anaconda2-4.4.0与anaconda3-4.4.0分别对应python2.7与python3.6环境。

重要参考资料：Deep Learning Book读书笔记

第一讲：深度学习课程总览与神经网络入门

代码示例：TensorFlow基础与线性回归模型(TensorFlow, PyTorch)

• MNIST数据集演示
• TensorFlow基础
• 线性回归模型-TensorFlow
• 线性回归模型-PyTorch

第二讲：传统神经网络

代码示例：K近邻算法，线性分类，以及多层神经网络(TensorFlow, PyTorch)

• K近邻算法在图像分类上的应用
• 多层神经网络示例-TensorFlow
• 多层神经网络示例-PyTorch

第三讲：卷积神经网络基础

代码示例：卷积神经网络的基础实现(TensorFlow)

• 卷积神经网络基础示例-原生实现
• 卷积神经网络基础示例-主流实现

第四讲：卷积神经网络进阶

代码示例：卷积神经网络的进阶实现(TensorFlow)

• 卷积神经网络进阶示例与可视化
• 卷积神经网络进阶示例-TF-Slim实现

• 准备自定义数据集训练卷积神经网络
• 使用自定义数据集训练卷积神经网络

• 使用训练好的VGG网络模型
• 使用自定义数据集训练VGG网络模型

• 基于TensorBoard的CNN可视化

• 更多基于TF-Slim的预训练模型

第五讲：深度神经网络：目标分类与识别

第六讲：深度神经网络：目标检测与追踪

第七讲：深度神经网络：目标分割

第八讲：循环神经网络与序列模型

第九讲：无监督式学习

第十讲：增强学习