记录学习的过程

神经网络之预测共享单车使用情况该项目为优达学城Deep Learning Foundation Nanodegree Program的Neural Network阶段项目原始数据和代码可以在 https://github.com/udacity/deep-learning/tree/master/first-neural-network 进行下载本文为该项目的个人总结以及解决方案，主要在代码层

GAN(Generative Adversarial Network) 生成对抗网络GAN由Ian J. Goodfellow在2015年提出，被认为是深度学习领域中最重要的发明之一，今天我们将实现一个最简单的GAN用来生成MNIST手写字符图片 参考的材料有 + GAN论文 + gan_mnist 完整代码在 https://github.com/jiemojiemo/Keras-D...

Keras Seq2Seq示例任务很简单，将数字转为中文大写金额，例如 11288 -> 壹万壹仟零捌拾捌元整我们将尝试利用seq2seq来解决这一问题，整个示例包括以下部分： 建立数据集设计seq2seq模型对比不同seq2seq模型建立数据集找到一个将数字转中文的python代码 http://blog.youkuaiyun.com/zzcwing/article/de...

Python数据处理 PCA/ZCA 白化参考材料 PCA、白化 以及一份别人的课后作业答案 UFLDL教程答案(3):Exercise:PCA_in_2D&PCA_and_Whitening与参考材料中实现的区别在于：参考材料中一列表示一个样本，在我的代码中一行表示一个样本基于课后练习的数据对 PCA/ZCA白化 进行代码说明完整代码在这里课后练习PCA课后练习 ...

A ten-minute introduction to sequence-to-sequence learning in Keras简单介绍如何用Keras实现Seq2Seq模型原文链接 https://blog.keras.io/a-ten-minute-introduction-to-sequence-to-sequence-learning-in-keras.html该博客的完整...

Keras Hello World最近开始学习Keras，个人觉得最有效的学习方法就是写很多很多代码，熟能成巧。我们先从最简单的例子来学习Keras，Keras版的Hello World。 在这个例子中，我们的任务是进行花朵的分类。本文的代码来自 这里，作者将Keras与sklearn进行了比较，有详细代码的解释。本文只做Keras部分的内容，删去了原本sklearn的内容本文为个人的代码记录

机器学习(深度学习)通用工作流程翻译 Deep Learning with Python 4.5节1. 定义问题并装载数据集(Defining the problem and assembling a dataset)首先，你必须定义你手头的问题：输入数据是什么？你希望预测什么？只有在能够获得训练数据的情况下你才能进行预测：举个例子，如果你同时又电影的影评和对应的情感注释，你

基于Keras的卷积神经网络（CNN）可视化标签（空格分隔）： 深度学习卷积神经网络可视化本文整理自Deep Learning with Python，书本上完整的代码在 这里的5.4节，并陪有详细的注释。深度学习一直被人们称为“黑盒子”，即内部算法不可见。但是，卷积神经网络(CNN)却能够被可视化，通过可视化，人们能够了解CNN识别图像的过程。介绍三种可视化方法 卷积

MiniFlow在学习TensorFlow之前，让我们学习可微分图（Differentiable graphs），这是TensorFlow用于运行和训练网络的基本抽象。我们将构建一个叫MiniFlow小型库，在这个过程中，我们将逐渐理解可微分图完整代码在这里Graph一个神经网络，可以看成是一张图，这张图由数学函数组成，比如线性组合，激活函数之类的。图中包含 点(nodes) 和 边(edges)

# Project 4+ 在Project 3中，我们对神经网络做了一丢丢的改变就使得准率上升了一大截+ 在这个Project中，我们将对神经网络进行改进，使得训练的速度更快。+ 如何实现呢？我们的网络存在很多不必要的计算，只要排除这些不必要的计算，那么速度就会飞起。下面举个例子说明一下为什么我们的网络存在很多不必要的计算import numpy as npimport sysimpor

Project 3在Project 2中，我们构建并训练了一个两层的神经网络用于情感的分析，但是准确率不尽人意在这个Project中，我们将对问题进行分析，思考如何提高准确率到底出了什么问题？总结来说，就是输入数据噪声太大了。这里的噪声是指那些对于输出没有任何价值的单词，比如the, an, of, on等等。这些单词属于中性词，对于判断Positive或者Negative没有任何帮助，并且

Projet 2在Project 1 中，我们学习了如何处理和统计reviews基于上一个Project”一个萝卜一个坑”的思想，我们将文本进行了数字化，使得文本可以作为输入进行训练在Project 2中我们将构建一个两层的神经网络，并进行训练import numpy as npimport sysimport timeimport pandas as pd# 读取数据reviews

情感分析 Sentiment Analysis本文主要是对优达学城 深度学习 第二部分卷积神经网络中Lesson2的一个总结，主要在代码层面目标：利用BP神经网络判断一段影评是正面评价(Positive)还是负面评价(Negative)代码以及Solution可以在 这里进行下载（运行在jupyter notebook）Project 1项目1并没有直接开始搭建网络，而是从直观上对我们的数据

我们为什么这样选择损失函数这个问题深度学习中的 “圣经” 花书中进行阐述，这里做一个简单的总结和自己的思考。先从信息熵开始说起信息论的基本想法是一个不太可能发现的事件居然发生了，要比一个非常可能的事件发生，能提供更多的信息。例如，消息说： “今天早上太阳照常升起”，信息量是如此的少，以至于没有必要发送；但一条信息说：“今天早上有日食”，信息量就很丰富了。我们想通过这种基本想法来...