文件名称：DeepLearning:我已实现的一些与深度学习相关的项目的源代码
文件大小：226KB
文件格式：ZIP
更新时间：2024-05-04 06:26:37
JupyterNotebook
深度学习 我已实现的一些与深度学习相关的项目的源代码 使用简单的Numpy实施完全连接的密集层体系结构，该函数具有向后传播和更新渐变的功能 使用完全连接的层以合理的精度（〜98％）在MNIST数据集上进行训练 递归神经网络 使用Keras的使用了Encoder <-> Decoder架构，并接受了简单的字符排序任务训练。 例如。 'adgbf'将输出排序后的序列'abdfg'。 可以轻松扩展此体系结构，例如进行语言翻译。 在随机C代码库上训练了简单字符级RNN 卷积神经网络 Kaggle竞赛将图像中的汽车轮廓。 使用UNet架构并内置于Keras 16项解决方案，用于对人群的餐厅图像进行分类 在阅读1000年历史的Kuzushiji文件中的字符的比赛中排名第22位。 即将上载的源代码 生成对抗网络 使用小语音样本，构建了可以生成语音的GAN。 使用Keras在Google提供的数据
【文件预览】：
DeepLearning-master
----RecurrentNetwork()
--------CharLevelRNN.py(9KB)
--------README.md(3KB)
----Image_Segmentation()
--------Sample_images()
--------README.md(1KB)
----Speech_GAN()
--------Spectrogram_gen.py(3KB)
--------Speech_GAN.py(4KB)
--------README.md(765B)
----README.md(2KB)
----Seq2Seq()
--------README.md(541B)
--------Train.py(5KB)
----FirstPrinciples()
--------Network.py(11KB)
--------Train_MNIST.ipynb(105KB)
----SurfacePrediction()
--------README.MD(993B)
--------Script.py(10KB)