目录
深度学习项目(AIZM18)
001.反向传播和链式法则
002.用样本训练
003.训练和预测
004.保存模型和命令行
005.使用命令行
006.Graph和练习
007.梯度下降的实质
008.MNIST搭框架
009.训练MNIST
010.GPU使用和Broadcast
011.TensorBoard
012.VAE和练习
013.dropout和VAE和U形网络
014.编码器解码器和动量
015.动量的实现和cond和assign
016.侧面切入
017.张量之间的依赖和复习
018.Normalize
019.控制依赖和参差和人脸识别
020.人脸识别和残差网络
021.多线程
022.方差损失的缺点和张量的直接赋值
023.生产者消费者问题
024.Samples的4个小问题
025.手写BN操作和随机样本
026.人脸对比
027.实现人脸对比
028.夹角余弦和控制依赖和多线程
029.RNN初步
030.股票预测
031.MyCell
032.多GPU
033.多GPU实现
034.法向量和多GPU
035.以图搜图夹角惩罚和LSTM
036.Poem
037.LSTM
038.Poem实现
039.多层LSTM和精度和预测
040.预测
041.MyLSTM
042.多层LSTM和变体和1对1模型和多对1模型
043.N对1模型和图像标题
044.图像标题
045.双向RNN
046.翻译
047.翻译的实现
048.注意力
049.阅读理解
050.阅读理解
051.大小样本
052.yield
053.阅读理解
054.多轮对话
055.多轮对话框架
056.注意力
057.多轮对话
058.fang3多轮对话模型
059.样本处理
060.训练
061.GAN
062.GAN
063.GAN的实现
064.CGAN
065.Pix2Pix
066.其他GAN
067.StarGAN
068.预测和显示
069.WGAN
070.WGAN的实现
071.GAN的多种应用场景
072.三层神经元网络
073.sin
074.三层NN
075.语义分割模型
076.Inception
077.自顶向下
078.问题
079.Fraction
080.Derivate
081.Derivate
082.偏导和梯度下降
083.递归
084.pour
085.单目标检测
086.IOU_NMS
087.计算IOU
088.iou和nms和roi_match
089.FastRCNN
090.RCNN复习
091.FasterRCNN
092.FasterRCNN和RPN
093.FasterRCNN实现
094.SPP
095.roi_pooling
096.相对坐标
097.训练
098.SSD
099.缺省框
100.SSD
101.SSD实现
102.YOLO
103.YOLO
104.flask初步
105.flask
106.config
107.面试