2020-07-13 14:33发布
深度学习项目是自己做还是固定的项目?
文章目录0.深度学习项目规范1.深度学习入门项目2.自然语言处理3.语音识别4.图像识别5.GAN
项目地址:https://github.com/audier/my_deep_project
最近准备整理一些使用深度模型实现的项目,作为最近工作学习的一个整理,因为之前学习太不系统,有些杂乱,希望这个项目系列完成之后能够对自己的学习有一个总结,有些新的收获。
该系列项目尽量都使用TensorFlow、keras分别进行实现,其内容包括:
深度学习项目规范
深度模型入门项目
语音识别应用
自然语言处理
图像识别
GAN
…
整个系列项目及文档将在12月之前完成,先立个flag,希望自己好好整理,能够产出一些真正有用的东西,为他人所用。
PS:之前的一个语音识别的项目已经都没有怎么去维护整理了,一方面是最近确实是又被安排去做其他的事情了,没有连续下来,另一方面是发现自己对于这些框架的基础确实薄弱,限制了自己的创造力。这次希望整理这些东西,能够扎实自己的基础吧。
更新:12月30日,计划不算成功
完成了自然语言处理和语音识别相关的任务,但是也是因为工作内就包括的事情,因此也没有多付出太多努力。
希望接下来能在春节前将图像识别的任务能够稍微深入一些,实现比分类更加高级一些的任务。
gan希望除了生成mnist能够再实现一些比较时髦的模型。
0.深度学习项目规范
我认为一个完整的深度学习项目应该包含如下所示几个方面:
项目背景:项目背景是什么,完成什么任务?
项目数据:项目数据是如何获取的,数据都包含什么,输入什么输出什么?
数据处理:将获得的数据数字化,处理为能够喂进模型的形式。也包括:数据增强、去除脏数据等
模型选择与建模:核心,也是深度学习框架要实现的主体
评估准则与效果:评价模型好坏的标准是什么,如何通过评价标准评估模型效果
模型优化与提升:哪些方面还可以提升模型的性能?
按照这个结构处理深度学习的任务,会更加规范更易提升,后续我将严格按照这个流程执行自己的项目以及整理回溯。
12月更新:说的比唱的好听,完全没有按照规范,实现功能性后看着差不多就完事了。。。男人的嘴真是不可靠啊。
深度学习入门项目
文档地址:https://blog.csdn.net/chinatelecom08/article/details/83413623#_5
项目地址:https://github.com/audier/my_deep_project/tree/master/basic_deep_model
TensorFlow实现mnist分类
DNN示例
CNN示例
RNN示例
keras实现mnist分类
2.自然语言处理
文章自动生成
文档地址:https://blog.csdn.net/chinatelecom08/article/details/83654602
项目地址:https://github.com/audier/my_deep_project/tree/master/NLP/1.moyan_novel
lstm:tensorflow
lstm:keras
翻译系统
文档地址:https://blog.csdn.net/chinatelecom08/article/details/83860179
项目地址:https://github.com/audier/my_deep_project/tree/master/NLP/2.translation
seq2seq
seq2seq+attention
对话系统
输入法系统
CBHG:https://blog.csdn.net/chinatelecom08/article/details/85051817
transformer:https://blog.csdn.net/chinatelecom08/article/details/85048019
3.语音识别
文档地址:https://blog.csdn.net/chinatelecom08/article/details/82557715
项目地址:https://github.com/audier/DeepSpeechRecognition
CTC+RNN
CTC+CNN
FSMN
4.图像识别
目标检测(简单任务,完成)
风格迁移
文本生成
5.GAN
mnist图像生成(已完成)
TensorFlow
keras
其他。。。
这是给自己立的一个flag,当这些都完成后,希望能够更好的理解这些深度框架,以及一些细节理论。
当然,也有很大的可能完不成这些任务,图像相关的任务自己也只做过mnist,其他的也不是很了解。但是不管怎么说,还是希望能够把列出来的这些任务都能做一遍,更好的理解深度模型在这些任务中是如何发挥作用的。加油。
选对培训机构比较重要,还有就是选择的时候看一下自己适合哪种风格的讲课方式,这个也很重要。因为现在5G时代来临,人工智能绝对是一个发展的大趋势,如果你自己空余时间又比较多的话,其实可以报一个辅导班,学习学习一些基本的东西,毕竟多学点总是没有坏处...
深度学习是近几年人工智能领域的主要研究方向。深度学习的主要任务是通过构建深度卷积神经网络(Deep Neural Network,DNN)和采用大量样本数据作为输入,人们最终会得到一个具有强大分析能力和识别能力的模型,该模型包含了DNN的构成参数以应用于实际工作。...
AI深度学习课程是用于建立、模拟人脑进行分析学习的神经网络,并模仿人脑的机制来解释数据的一种机器学习技术,主要应用于图像识别、语音识别、自然语言处理等领域。学完可以从事深度学习工程师、机器学习工程师、人工智能工程师、高级算法工程师、高级算法工...
算法,数据相关的适合做人工智能
人工智能取代的行业,一定有如下几个特征:1、大量重复型。2、逻辑性比较强。3、数据库依赖型。像司机,咨询,教育,医生,会计,律师助理,工程师,码农等,都是容易被取代的行业。当然,这都是强人工智能以后会发生的事,现在还是弱人工智能的时代,想进入...
如果你是自己学着玩,提升自己的话,高中毕业都可以。如果是冲着AI算法岗或者科研一席之地,至少211硕士。具体可以亲身体验一下今年算法岗秋招。
可以,未来的人工智能发展深度学习必然是现在大型机器生产科研必备的,证书的话某个培训好像有这个中科院的证书,具体你去百度吧
我觉得就是人工智能的课程,现在家具都是智能家居了。这一块发展一定很好
对于sgd算法而言,batch size太大太小都不好,太小的话训练不稳定,计算效率低;太大的话收敛速度慢,需要仔细调节一下。以2的倍数调节,例如32,64,128等
在terminal中输入$wolf@wolf:~/Downloads/gitclonehttps://github.com/Tencent/ncnn cd切换到NCNN目录***这步很重要,这时候需要修改ncnn的root目录下的CMakeLists.txt文件,需要将倒数几行的add_subdirectory(examples),取消注释,这样就是默认编译example...
人工智能的话其实到现在来说已经慢慢趋于成熟,学的话首先是一线城市,学出来好就业,还有就是薪资也高
画个train and test error VS 训练数据量(training set size) 的learningcurve应该会更加直观了。可以找个简单的数据集,比如说handwritten digits或者什么的,分别用神经网络和决策树或者knn做出这个learningcurve。你会看到如果用一个决策树去解决这个问题...
共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。 一幅图象的灰度共生矩阵能反映出图象灰度关于...
最多设置5个标签!
文章目录0.深度学习项目规范1.深度学习入门项目2.自然语言处理3.语音识别4.图像识别5.GAN
项目地址:https://github.com/audier/my_deep_project
最近准备整理一些使用深度模型实现的项目,作为最近工作学习的一个整理,因为之前学习太不系统,有些杂乱,希望这个项目系列完成之后能够对自己的学习有一个总结,有些新的收获。
该系列项目尽量都使用TensorFlow、keras分别进行实现,其内容包括:
深度学习项目规范
深度模型入门项目
语音识别应用
自然语言处理
图像识别
GAN
…
整个系列项目及文档将在12月之前完成,先立个flag,希望自己好好整理,能够产出一些真正有用的东西,为他人所用。
PS:之前的一个语音识别的项目已经都没有怎么去维护整理了,一方面是最近确实是又被安排去做其他的事情了,没有连续下来,另一方面是发现自己对于这些框架的基础确实薄弱,限制了自己的创造力。这次希望整理这些东西,能够扎实自己的基础吧。
更新:12月30日,计划不算成功
完成了自然语言处理和语音识别相关的任务,但是也是因为工作内就包括的事情,因此也没有多付出太多努力。
希望接下来能在春节前将图像识别的任务能够稍微深入一些,实现比分类更加高级一些的任务。
gan希望除了生成mnist能够再实现一些比较时髦的模型。
0.深度学习项目规范
我认为一个完整的深度学习项目应该包含如下所示几个方面:
项目背景:项目背景是什么,完成什么任务?
项目数据:项目数据是如何获取的,数据都包含什么,输入什么输出什么?
数据处理:将获得的数据数字化,处理为能够喂进模型的形式。也包括:数据增强、去除脏数据等
模型选择与建模:核心,也是深度学习框架要实现的主体
评估准则与效果:评价模型好坏的标准是什么,如何通过评价标准评估模型效果
模型优化与提升:哪些方面还可以提升模型的性能?
按照这个结构处理深度学习的任务,会更加规范更易提升,后续我将严格按照这个流程执行自己的项目以及整理回溯。
12月更新:说的比唱的好听,完全没有按照规范,实现功能性后看着差不多就完事了。。。男人的嘴真是不可靠啊。
深度学习入门项目
文档地址:https://blog.csdn.net/chinatelecom08/article/details/83413623#_5
项目地址:https://github.com/audier/my_deep_project/tree/master/basic_deep_model
TensorFlow实现mnist分类
DNN示例
CNN示例
RNN示例
keras实现mnist分类
DNN示例
CNN示例
RNN示例
2.自然语言处理
文章自动生成
文档地址:https://blog.csdn.net/chinatelecom08/article/details/83654602
项目地址:https://github.com/audier/my_deep_project/tree/master/NLP/1.moyan_novel
lstm:tensorflow
lstm:keras
翻译系统
文档地址:https://blog.csdn.net/chinatelecom08/article/details/83860179
项目地址:https://github.com/audier/my_deep_project/tree/master/NLP/2.translation
seq2seq
seq2seq+attention
对话系统
seq2seq+attention
输入法系统
CBHG:https://blog.csdn.net/chinatelecom08/article/details/85051817
transformer:https://blog.csdn.net/chinatelecom08/article/details/85048019
3.语音识别
文档地址:https://blog.csdn.net/chinatelecom08/article/details/82557715
项目地址:https://github.com/audier/DeepSpeechRecognition
CTC+RNN
CTC+CNN
FSMN
4.图像识别
目标检测(简单任务,完成)
风格迁移
文本生成
5.GAN
mnist图像生成(已完成)
TensorFlow
keras
其他。。。
这是给自己立的一个flag,当这些都完成后,希望能够更好的理解这些深度框架,以及一些细节理论。
当然,也有很大的可能完不成这些任务,图像相关的任务自己也只做过mnist,其他的也不是很了解。但是不管怎么说,还是希望能够把列出来的这些任务都能做一遍,更好的理解深度模型在这些任务中是如何发挥作用的。加油。
相关问题推荐
选对培训机构比较重要,还有就是选择的时候看一下自己适合哪种风格的讲课方式,这个也很重要。因为现在5G时代来临,人工智能绝对是一个发展的大趋势,如果你自己空余时间又比较多的话,其实可以报一个辅导班,学习学习一些基本的东西,毕竟多学点总是没有坏处...
深度学习是近几年人工智能领域的主要研究方向。深度学习的主要任务是通过构建深度卷积神经网络(Deep Neural Network,DNN)和采用大量样本数据作为输入,人们最终会得到一个具有强大分析能力和识别能力的模型,该模型包含了DNN的构成参数以应用于实际工作。...
AI深度学习课程是用于建立、模拟人脑进行分析学习的神经网络,并模仿人脑的机制来解释数据的一种机器学习技术,主要应用于图像识别、语音识别、自然语言处理等领域。学完可以从事深度学习工程师、机器学习工程师、人工智能工程师、高级算法工程师、高级算法工...
算法,数据相关的适合做人工智能
人工智能取代的行业,一定有如下几个特征:1、大量重复型。2、逻辑性比较强。3、数据库依赖型。像司机,咨询,教育,医生,会计,律师助理,工程师,码农等,都是容易被取代的行业。当然,这都是强人工智能以后会发生的事,现在还是弱人工智能的时代,想进入...
如果你是自己学着玩,提升自己的话,高中毕业都可以。如果是冲着AI算法岗或者科研一席之地,至少211硕士。具体可以亲身体验一下今年算法岗秋招。
可以,未来的人工智能发展深度学习必然是现在大型机器生产科研必备的,证书的话某个培训好像有这个中科院的证书,具体你去百度吧
我觉得就是人工智能的课程,现在家具都是智能家居了。这一块发展一定很好
对于sgd算法而言,batch size太大太小都不好,太小的话训练不稳定,计算效率低;太大的话收敛速度慢,需要仔细调节一下。以2的倍数调节,例如32,64,128等
在terminal中输入$wolf@wolf:~/Downloads/gitclonehttps://github.com/Tencent/ncnn cd切换到NCNN目录***这步很重要,这时候需要修改ncnn的root目录下的CMakeLists.txt文件,需要将倒数几行的add_subdirectory(examples),取消注释,这样就是默认编译example...
人工智能的话其实到现在来说已经慢慢趋于成熟,学的话首先是一线城市,学出来好就业,还有就是薪资也高
画个train and test error VS 训练数据量(training set size) 的learningcurve应该会更加直观了。可以找个简单的数据集,比如说handwritten digits或者什么的,分别用神经网络和决策树或者knn做出这个learningcurve。你会看到如果用一个决策树去解决这个问题...
共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。 一幅图象的灰度共生矩阵能反映出图象灰度关于...