文件名称：锻炼：锻炼nndl
文件大小：14.82MB
文件格式：ZIP
更新时间：2024-03-17 22:40:22
JupyterNotebook
《神经网络与深度学习》课程练习 书籍信息： 欢迎大家补充练习译文。 环境设定 本次作业需要首先安装anaconda3下载地址 2.0 pytorch> 0.4 锻炼 1.热身练习热身 numpy是Python中对于矩阵处理很实用的工具包，本小节作业主要是熟悉基本的numpy操作。 2.线性回归模型 3.线性模型 支持向量机 Softmax回归Softmax回归 4.前馈神经网络 利用numpy实现全连接神经网络 5.卷积神经网络卷积神经网络（CNN） 利用卷积神经网络，处理MNIST数据集分类问题。 6.循环神经网络 基于循环神经网络的唐诗生成问题 7.注意力机制 使用序列对模型进行建模。 使用注意序列对模型进行排序。 11.高斯混合模型高斯混合模型 12.限制性玻尔兹曼机 使用适当的玻尔兹曼机（Restricted Boltzmann Machine，RBM），对MNIST数据集建模。
【文件预览】：
exercise-master
----.gitignore(27B)
----chap3_SVM()
--------data()
--------svm.py(2KB)
--------README.md(2KB)
----chap2_linear_regression()
--------linear_regression-tf2.0.ipynb(25KB)
--------test.txt(3KB)
--------README.md(1KB)
--------exercise-linear_regression.ipynb(6KB)
--------train.txt(5KB)
----chap5_CNN()
--------corgi.jpg(95KB)
--------tutorial_cifar10_conv-keras.ipynb(1.68MB)
--------tutorial_mnist_conv-basic.ipynb(6KB)
--------tutorial_random_filter.ipynb(305KB)
--------README.md(915B)
--------tutorial_mnist_conv-keras-sequential.ipynb(5KB)
--------tutorial_mnist_conv-keras.ipynb(5KB)
--------CNN_pytorch.ipynb(5KB)
--------CNN_tensorflow.ipynb(4KB)
----chap6_RNN()
--------题目要求(857B)
--------tangshi.txt(47KB)
--------Learn2Carry-exercise.ipynb(12KB)
--------README.md(716B)
--------poems.txt(9.71MB)
--------tangshi_for_pytorch()
--------poem_generation_with_RNN-exercise.ipynb(12KB)
----chap11_gaussian_mixture()
--------README.md(343B)
----chap1_warmup()
--------numpy_ tutorial.ipynb(10KB)
--------README.md(140B)
----chap3_softmax_regression()
--------softmax_regression-exercise.ipynb(52KB)
--------README.md(424B)
--------logistic_regression-exercise.ipynb(125KB)
----chap14_reinforcement_learning()
--------reversi()
--------RL_QG_agent.py(954B)
--------__init__.py(13KB)
--------README.md(1KB)
--------reversi_main.py(2KB)
--------期末作业说明.pdf(300KB)
----README.md(1KB)
----chap7-seq2seq-and-attention()
--------sequence_reversal_with_attention-exercise.ipynb(11KB)
--------seq2seq-attn.jpg(46KB)
--------seq2seq.png(15KB)
--------sequence_reversal-exercise.ipynb(10KB)
----chap4_ simple neural network()
--------tf2.0-tutorial.pdf(2.59MB)
--------README.md(2KB)
--------tutorial_minst_fnn-tf2.0-exercise.ipynb(7KB)
--------tf2.0-exercise.ipynb(4KB)
--------tutorial_minst_fnn-numpy-exercise.ipynb(17KB)
----chap12_RBM()
--------rbm.py(884B)
--------README.md(1KB)