18个挑战项目带你快速入门深度学习
副标题[/!--empirenews.page--]
AlphaGo 大战李世乭之后,深度学习技术便在国内变得异常火。吸引了大批的技术人员争相学习,那么到底如何才能更快速的入门深度学习呢? 下面给大家介绍的 18 个挑战项目,通过实践动手带你快速入门深度学习! 1.北京市住房价格预测 本挑战运用线性回归的相关知识,来预测北京市的住房价格。 该数据集中共包含有 12 列。由于线性回归需要输入数值型数据,所以我们选用的特征包括「公交,写字楼,医院,商场,地铁,学校,建造时间,楼层,面积」等 9 项,而「每平米价格」则是预测目标值。 2.梯度下降法实现与应用 梯度下降作为一种最优化方法,可以普遍用于参数问题的优化过程中。为了更好地体会这种方法的优点和了解其使用过程,本次挑战中将尝试使用梯度下降解决一些线性回归问题。 3.手写字符识别神经网络 本挑战结合 scikit-learn 提供的人工神经网络实现方法,完成手写字符识别。 4.TensorFlow 加州房价预测 本挑战尝试用 TensorFlow 去实现一个线性回归。你可能会觉得线性回归非常基础,不过这里的目的主要是熟悉 TensorFlow 搭建模型的整个流程,以及诸如 Placeholder,Constant 等重要概念。 5.TensorFlow 汽车评估分类 本挑战使用 TensorFlow 构建一个合理的全连接人工神经网络,完成汽车安全性评估分类任务。 需要使用 TensorFlow 函数及方法完成网络的构建,训练,预测及评估。自行选择数据处理方式,神经网络结构,损失函数,优化方法等。数据预处理等非主要代码允许少量使用其他类库提供的函数及操作。 6.TensorFlow 时尚物品分类 本挑战将由你独立完成一个开放性的分类预测练习,你需要使用 Fashion-MNIST 时尚物品数据集,并通过 TensorFlow Keras 来构建一个合理的 DNN 网络。 结果输出:
7.PyTorch 实现线性回归 本次挑战中,需要你使用 PyTorch 实现再熟悉不过的线性回归。线性回归固然简单,但挑战的目的在于熟悉对 PyTorch 的使用。 结果输出:
8.构建 LeNet5 本次挑战将使用 TensorFlow Estimator 高阶 API 来重构 LeNet-5 并完成训练。 9.迁移学习完成动物分类 (编辑:甘孜站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |