2018.09-2018.11 Summary & 2018.11-2019.01 plan

总体内容

P.S. 在2018.07.31实习结束后，即2018.08.01-2018.09.02,对Machine Learning的基本理论知识进行了自学

论文（自己总结）

1. 置顶论文（总体思路，会不断添加内容）https://blog.csdn.net/Eudemonia_mia/article/details/83990392
2. 双流论文（Paper part）https://blog.csdn.net/Eudemonia_mia/article/details/82812028
3. TSN论文（Paper part）
   https://blog.csdn.net/Eudemonia_mia/article/details/82956311
4. 双流论文（Summary part）https://blog.csdn.net/Eudemonia_mia/article/details/83962449
5. TSN论文（Summary part）
   https://blog.csdn.net/Eudemonia_mia/article/details/83988633

TensorFlow

1. 简单回归
   

2. 简单神经网络进行回归（200次与2000次）

3. MNIST的简单分类

4. 交叉熵
   使用交叉熵来完成MNIST，可以看到与MNIST的简单分类相比，交叉熵在第5次迭代就可以达到简单分类最后的效果
   

5. Dropout
   使用Dropout来完成MNIST，可以看到与交叉熵相比，Dropout在第2次迭代就可以达到交叉熵最后的效果，且最后的效果很好
   

6. 使用卷积神经网络应用于MNIST

8. 其他的优化器
   
9. 使用inception-v3模型进行图像识别

导入模型，建立两个字典，用字符串将两个字典联系起来

接下来的学习（不含完成课后作业）

1. 统计的知识点
2. 复现TSN
3. TLE（Paper part）
4. Python
5. IELTS
6. 九转教育天使投