Deep Learning Course Codes

Notes, Codes, and Tutorials for the Deep Learning Course at ChinaHadoop

注意每一份代码分别有Jupyter Notebook, Python, 以及HTML三种形式，大家可以按照自己的需求阅读，学习或运行。 运行时需要注意anaconda的版本问题，anaconda2-4.4.0与anaconda3-4.4.0分别对应python2.7与python3.6环境。

重要参考资料：Deep Learning Book读书笔记

第一讲：深度学习课程总览与神经网络入门

代码示例：TensorFlow基础与线性回归模型(TensorFlow, PyTorch)

• MNIST数据集演示
• TensorFlow基础
• 线性回归模型-TensorFlow
• 线性回归模型-PyTorch

第二讲：传统神经网络

代码示例：K近邻算法，线性分类，以及多层神经网络(TensorFlow, PyTorch)

• K近邻算法在图像分类上的应用
• 多层神经网络示例-TensorFlow
• 多层神经网络示例-PyTorch

第三讲：卷积神经网络基础

代码示例：卷积神经网络的基础实现(TensorFlow)

• 卷积神经网络示例(原生API)-TensorFlow
• 卷积神经网络示例(高级API)-TensorFlow

第四讲：卷积神经网络进阶

第五讲：深度神经网络：目标分类与识别

第六讲：深度神经网络：目标检测与追踪

第七讲：深度神经网络：目标分割

第八讲：循环神经网络与序列模型

第九讲：无监督式学习

第十讲：增强学习