深度学习算法实现

【转载】【作者信息】个人网站：http://wepon.me/
github：https://github.com/wepe
知乎: https://www.zhihu.com/people/wepon-huang
邮件交流：masterwepon@163.com

CSDN博客：http://blog.csdn.net/u012162613/article/category/2760005

DeepLearning Tutorials

这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含（顺序倒着来）：

1.dive_into _keras Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。文章链接， 更多进阶使用方法：gist

2.keras_usage 介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。文章链接

3.FaceRecognition_CNN(olivettifaces) 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数据库采用olivettifaces，CNN模型参考LeNet5，基于python+theano+numpy+PIL实现。详细介绍这个demo的文章：文章链接

4.cnn_LeNet CNN卷积神经网络算法的实现，模型为简化版的LeNet，应用于MNIST数据集（手写数字），来自于DeepLearning.net上的一个教程，基于python+theano，我用了中文将原始的代码进行详细的解读，并简单总结了CNN算法，相应的文章发在：文章链接

5.mlp 多层感知机算法的实现，代码实现了最简单的三层感知机，并应用于MNIST数据集，来自DeepLearning.net上的一个教程，基于python+theano，我写了一篇文章总结介绍了MLP算法，同时用中文详细解读了原始的代码：文章链接

6.Softmax_sgd(or logistic_sgd) Softmax回归算法的实现，应用于MNIST数据集，基于Python+theano，来自DeepLearning.net上的一个教程，基于python+theano，我写了一篇文章介绍了Softmax回归算法，同时用中文详细解读了原始的代码：文章链接