仓库
这个项目包含了常见的深度学习模型及基于TensorFlow的代码实现。该项目由浅入深地涵盖了神经网络和深度学习的方方面面,包括了理论基础(CNNs, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization, hyperparameter tuning, regularization, optimization, Residual Networks等)和常见应用案例(面部识别, 图片风格转化, 自动驾驶, 语言读取和标记, 音乐生成, 翻译, 音频识别和自然语言处理等)。
最近更新: 4年前