【文件属性】：
文件名称：Deep-Learning-Labs:深度学习实验室
文件大小：33.63MB
文件格式：ZIP
更新时间：2021-05-18 16:11:59
JupyterNotebook
深度学习
该git包含MSc的深度学习课程的所有实验和项目。 数据科学。 您可以使用Binder在线运行它（看看它很酷）
目录
实验1：
Keras简介（反向传播和多层神经网络）。
介绍计算机视觉的预训练模型（COCO和ImageNet）。
实验2：
使用TensorFlow和Numpy的MLP简介。
使用TF和Numpy实现反向传播。
实验3：
嵌入和推荐系统
Keras嵌入的简短介绍
具有明确反馈的神经推荐系统
具有隐式反馈和三重态损失的神经推荐系统
实验4：
用于对象检测和图像分割的深度学习（第1部分）
使用TensorFlow的ConvNets
预训练卷积网
微调深层CNN（使用GPU）
实验5：
用于对象检测和图像分割的深度学习（第2部分）
全卷积神经网络
用于分类和本地化的卷积网
实验6 ：（自然语言处理1）
文本分类，单词嵌入和语言模型
词嵌入（词向量分
【文件预览】：
Deep-Learning-Labs-master
----.DS_Store(8KB)
----Lab-07()
--------.ipynb_checkpoints()
--------data_download.ipynb(1KB)
--------images()
--------translate.py(15KB)
--------Translation_of_Numeric_Phrases_with_Seq2Seq.ipynb(88KB)
--------french_numbers.py(11KB)
----Lab-05()
--------data_download.ipynb(3KB)
--------Fully_Convolutional_Neural_Networks.ipynb(886KB)
--------weights_dense.h5(7.82MB)
--------ConvNets_for_Classification_and_Localization.ipynb(2.06MB)
--------compute_representations.py(4KB)
--------get_dense_weights.py(418B)
--------annotation_order.csv(54KB)
--------imagenet_tool.py(1KB)
--------dog.jpg(973KB)
----Lab-06()
--------Character_Level_Language_Model.ipynb(28KB)
--------data_download.ipynb(4KB)
--------images()
--------nlp.pdf(163KB)
--------NLP_word_vectors_classification.ipynb(733KB)
--------nnlp.pdf(702KB)
--------tsne.png(530KB)
----requirements.txt(111B)
----Lab-02()
--------nll.pdf(33KB)
--------Backpropagation_numpy.ipynb(133KB)
--------Backpropagation_tensorflow.ipynb(38KB)
----Lab-03()
--------keras_fixes.py(1KB)
--------.ipynb_checkpoints()
--------.DS_Store(6KB)
--------images()
--------movielens_paramsearch.py(9KB)
--------Explicit_Feedback_Neural_Recommender_System.ipynb(184KB)
--------movielens_paramsearch_results.py(449B)
--------Short_Intro_to_Embeddings_with_Keras.ipynb(14KB)
----README.md(2KB)
----Lab-01()
--------.ipynb_checkpoints()
--------Intro Keras.ipynb(52KB)
--------data_download.ipynb(82KB)
--------Intro pretrained models for computer vision.ipynb(2.91MB)
--------webcam_shot.jpeg(34KB)
--------laptop.jpeg(67KB)
--------wecam_shot_scene.jpeg(34KB)
----Lab-04()
--------.ipynb_checkpoints()
--------cifar10_input.py(10KB)
--------bumblebee.png(545KB)
--------Pretrained_ConvNets_with_Keras.ipynb(196KB)
--------data_download.ipynb(2KB)
--------ConvNets_with_TensorFlow.ipynb(19KB)
--------process_images.py(1KB)
--------Convolutions.ipynb(2.28MB)
----Lab-08()
--------Minimal_MLP__stochastic_optimization_landscape.ipynb(491KB)
--------A_PyTorch_introduction__autograd_in_action.ipynb(272KB)
----Lab-09()
--------.DS_Store(6KB)
--------pretrained_partial.h5(829KB)
--------data_download.ipynb(2KB)
--------images()
--------Face_Verification_Using_Triplet_Loss.ipynb(364KB)
--------Face_Verification_Using_Siamese_Nets.ipynb(278KB)
--------siamese_pretrained.h5(829KB)
--------triplet_checkpoint_b2.h5(1.52MB)
--------siamese_checkpoint.h5(3.53MB)
--------triplet_pretrained.h5(782KB)
----Lab-10()
--------.DS_Store(6KB)
--------convolutional_weights.h5(1.8MB)
--------images()
--------standard_weights.h5(1.56MB)
--------Variational_AutoEncoders.ipynb(1.08MB)