【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