前言

经过大半年断断续续的学习和实践，终于将深度学习的基础知识看完了，虽然还有很多比较深入的内容没有涉及到，但也是感觉收获满满。因为是断断续续的学习做笔记写代码跑实验，所以笔记也零零散散的散落在每个角落，查询起来也非常不便，因此这里再做一个目录进行汇总一下，一来，可以方便自己以后查看，二来，也希望能够帮助到需要同学们。

格言：时间就像一张网，网撒在哪里，收获就在哪里。

一起加油 ?

环境配置

在所有的博文中都忘记了添加系统环境配置信息，那就在这里统一写一下：

系统环境：ubuntu 16.04语言版本：python 3.5深度框架：Tensorflow-gpu 1.2.0cuda版本：8.0GPU：1080 TI

序言

以下链接，基本涵盖了所有主流的神经网络，包括：

卷积神经网络CNN循环神经网络RNN长短时记忆网络LSTM对抗生成网络GAN

同时，根据不同的网络进行了几个实战项目，包括：图像风格迁移算法手写数字图像生成算法中文文本分类算法图像生成描述算法

一、神经网络初探

CIFAR-10数据集目录结构以及数据组织格式

使用单个神经元实现二分类

使用单层神经网络实现十分类

二、CNN代码实战

使用VGG实现十分类

使用Resnet实现十分类

使用Inception实现十分类

使用Mobilenet实现十分类

使用Resnet实现十分类(改进版)

使用Mobilenet实现十分类(改进版)

三、卷积网络优化

tensorboard的使用方法

Tensorflow保存和恢复模型的方法

图像增强(augmentation)的几个方法

tf.layers.batch_normalization()的使用方法

四、图像风格迁移实战

基于Tensorflow的图像风格迁移代码实现

五、探讨：CNN的黑箱里到底发生了什么？

Tensorflow+VGG16实现卷积神经网络特征图可视化

六、深度卷积对抗生成网络(DCGAN)

DCGAN由随机向量生成手写数字

七、LSTM解决时间序列问题

使用LSTM实现中文文本分类(1)

使用LSTM实现中文文本分类(2)

手动编写LSTM内部结构实现中文文本分类

构建LSTM模型使用到的API方法介绍

八、CNN同样可以文本分类

使用Char-CNN实现中文文本分类(1)

使用Char-CNN实现中文文本分类(2)

九、看图说话：从图像到生成文本描述

图像生成文本实现(1)flickr30k数据集介绍

图像生成文本(2)词表词频的构建

图像生成文本(3)图像特征的提取

图像生成文本(4)计算图设计以及训练流程

深度学习代码实战演示_Tensorflow_卷积神经网络CNN_循环神经网络RNN_长短时记忆网络LSTM_对抗生成网络GAN