Hi,各位用户
CSDN技术主题月代码笔记专栏会每月在CODE博客为大家带来主题精品代码笔记,供大家学习。也希望大家踊跃投稿,投稿邮箱:yaoqian@csdn.net(投稿请提供代码笔记链接哦~。~)
-CSDN技术主题月是由CSDN社区主办的线上结合线下技术交流活动,旨在和国内技术领先的企业共同围绕行业趋势和话题进行解决方案的探讨、分享和交流。在技术开放的氛围下,希望开发者们能够通过CSDN社区平台结识更多技术达人,交流&分享技术观点,并碰撞出精彩火花。
10月技术主题----“深度学习”
Batch Normalization 学习笔记 --------------https://code.csdn.net/snippets/1608106
神经网络代码-------------------------------https://code.csdn.net/snippets/1876975
线性代数和Numpy的使用----------------------https://code.csdn.net/snippets/1807414
神经网络常用操作实现-----------------------https://code.csdn.net/snippets/1810015
Theano常用技巧-----------------------------https://code.csdn.net/snippets/1815824
线性回归算法实现---------------------------https://code.csdn.net/snippets/1820662
逻辑回归算法应用---------------------------https://code.csdn.net/snippets/1823250
用Theano实现多层前馈网络-------------------https://code.csdn.net/snippets/1851432
卷积神经网络(CNN)之卷积操作--------------https://code.csdn.net/snippets/1856625
卷积神经网络(CNN)实现--------------------https://code.csdn.net/snippets/1857587
堆叠去噪自动编码机(SdA)原理及实现--------https://code.csdn.net/snippets/1869571
深度学习-LSTM网络-代码---------------------https://code.csdn.net/snippets/1866476
Caffe学习笔记——Matlab接口----------------https://code.csdn.net/snippets/1802842
solver参数说明及利用自己的数据集对权值微调-https://code.csdn.net/snippets/1865649
MNIST的CNN实现——源码和运行结果-----------https://code.csdn.net/snippets/1693313
利用caffe训练深度学习模型------------------https://code.csdn.net/snippets/1610379
vgg人脸识别模型测试------------------------https://code.csdn.net/snippets/1614525
caffe源码解析之blob.hpp或blob.cpp----------https://code.csdn.net/snippets/1620527
caffe模型参数的一些解释--------------------https://code.csdn.net/snippets/1610047
让计算机阅读《天龙八部》-------------------https://code.csdn.net/snippets/1773808
使用LSTM进行大盘回归-----------------------https://code.csdn.net/snippets/1847366
拓展阅读
常用的深度学习开源框架介绍:
1、Caffe
源自加州伯克利分校的Caffe被广泛应用,包括Pinterest这样的web大户。与TensorFlow一样,Caffe也是由C++开发,Caffe也是Google今年早些时候发布的DeepDream项目(可以识别喵星人的人工智能神经网络)的基础。
2、Theano
2008年诞生于蒙特利尔理工学院,Theano派生出了大量深度学习Python软件包,最著名的包括Blocks和Keras
3、Torch
Torch诞生已经有十年之久,但是真正起势得益于去年Facebook开源了大量Torch的深度学习模块和扩展。Torch另外一个特殊之处是采用了不怎么流行的编程语言Lua(该语言曾被用来开发视频游戏)。
4、Brainstorm
来自瑞士人工智能实验室IDSIA的一个非常发展前景很不错的深度学习软件包,Brainstorm能够处理上百层的超级深度神经网络——所谓的公路网络Highway Networks。
5、Chainer
来自一个日本的深度学习创业公司Preferred Networks,今年6月发布的一个Python框架。Chainer的设计基于define by run原则,也就是说,该网络在运行中动态定义,而不是在启动时定义,这里有Chainer的详细文档。
6、Deeplearning4j
顾名思义,Deeplearning4j是”for Java”的深度学习框架,也是首个商用级别的深度学习开源库。Deeplearning4j由创业公司Skymind于2014年6月发布,使用Deeplearning4j的不乏埃森哲、雪弗兰、博斯咨询和IBM等明星企业。
DeepLearning4j是一个面向生产环境和商业应用的高成熟度深度学习开源库,可与Hadoop和Spark集成,即插即用,方便开发者在APP中快速集成深度学习功能,可应用于以下深度学习领域:人脸/图像识别、语音搜索、语音转文字(Speech to text)、垃圾信息过滤(异常侦测)、电商欺诈侦测
7、Marvin
普林斯顿大学视觉工作组新推出的C++框架。该团队还提供了一个文件用于将Caffe模型转化成语Marvin兼容的模式。
8、ConvNetJS
这是斯坦福大学博士生Andrej Karpathy开发浏览器插件,基于万能的JavaScript可以在你的游览器中训练神经网络。Karpathy还写了一个ConvNetJS的入门教程,以及一个简洁的浏览器演示项目。
9、MXNet
出自CXXNet、Minerva、Purine等项目的开发者之手,主要用C++编写。MXNet强调提高内存使用的效率,甚至能在智能手机上运行诸如图像识别等任务。
10、Neon
由创业公司Nervana Systems于今年五月开源,在某些基准测试中,由Python和Sass开发的Neon的测试成绩甚至要优于Caffeine、Torch和谷歌的TensorFlow。