2020-07-16 11:08发布
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。
换行。比如，print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思，'\n'是换行，'\t'是tab，'\\'是，\ 是在编写程序中句子太长百，人为换行后加上\但print出来是一整行。...
十种常见排序算法一般分为以下几种：（1）非线性时间比较类排序：a. 交换类排序（快速排序、冒泡排序）b. 插入类排序（简单插入排序、希尔排序）c. 选择类排序（简单选择排序、堆排序）d. 归并排序（二路归并排序、多路归并排序）（2）线性时间非比较类排序：...
前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须得很好，微电子(数字电...
迭代器与生成器的区别：（1）生成器：生成器本质上就是一个函数，它记住了上一次返回时在函数体中的位置。对生成器函数的第二次（或第n次）调用，跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态，生成器还记住了程序...
python中title( )属于python中字符串函数，返回’标题化‘的字符串，就是单词的开头为大写，其余为小写
第一种解释：代码中的cnt是count的简称，一种电脑计算机内部的数学函数的名字，在Excel办公软件中计算参数列表中的数字项的个数；在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时，将把数值型的数字计算进去；但是...
head是方法，所以需要取小括号，即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外，如果想通过位置取数据，请使用iloc，即dataset.iloc[:, :-1]和dataset.iloc[:, -1]，前者表示的是取所有行，但不包括最后一列的数据，结果是个DataFrame。...
挺简单的，其实课程内容没有我们想象的那么难、像我之前同学，完全零基础，培训了半年，直接出来就工作了，人家还在北京大公司上班，一个月15k，实力老厉害了
Python针对众多的类型，提供了众多的内建函数来处理(内建是相对于导入import来说的，后面学习到包package时，将会介绍)，这些内建函数功用在于其往往可对多种类型对象进行类似的操作，即多种类型对象的共有的操作；如果某种操作只对特殊的某一类对象可行，Pyt...
相当于 ... 这里不是注释
还有FIXME
python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。
单行注释：Python中的单行注释一般是以#开头的，#右边的文字都会被当做解释说明的内容，不会被当做执行的程序。为了保证代码的可读性，一般会在#后面加一两个空格然后在编写解释内容。示例：# 单行注释print(hello world)注释可以放在代码上面也可以放在代...
主要是按行读取，然后就是写出判断逻辑来勘测行是否为注视行，空行，编码行其他的：import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题，...
或许是里面有没被注释的代码
自学的话要看个人情况，可以先在B站找一下视频看一下
最多设置5个标签!
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1515056452',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','/static/images/logo.png', '推荐 没有什么创意哟 的问题《深度学习会学习到什么项目实战？》','http://www.shouhuola.com/q-23783.html','页面编码gb2312|utf-8默认gb2312'));){kind=link}
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
换行。比如，print hello\nworld效果就是helloworld\n就是一个换行符。\是转义的意思，'\n'是换行，'\t'是tab，'\\'是，\ 是在编写程序中句子太长百，人为换行后加上\但print出来是一整行。...
十种常见排序算法一般分为以下几种：（1）非线性时间比较类排序：a. 交换类排序（快速排序、冒泡排序）b. 插入类排序（简单插入排序、希尔排序）c. 选择类排序（简单选择排序、堆排序）d. 归并排序（二路归并排序、多路归并排序）（2）线性时间非比较类排序：...
前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言：C/C++)必须得很好，微电子(数字电...
迭代器与生成器的区别：（1）生成器：生成器本质上就是一个函数，它记住了上一次返回时在函数体中的位置。对生成器函数的第二次（或第n次）调用，跳转到函数上一次挂起的位置。而且记录了程序执行的上下文。生成器不仅记住了它的数据状态，生成器还记住了程序...
python中title( )属于python中字符串函数，返回’标题化‘的字符串，就是单词的开头为大写，其余为小写
第一种解释：代码中的cnt是count的简称，一种电脑计算机内部的数学函数的名字，在Excel办公软件中计算参数列表中的数字项的个数；在数据库( sq| server或者access )中可以用来统计符合条件的数据条数。函数COUNT在计数时，将把数值型的数字计算进去；但是...
head是方法，所以需要取小括号，即dataset.head()显示的则是前5行。data[:, :-1]和data[:, -1]。另外，如果想通过位置取数据，请使用iloc，即dataset.iloc[:, :-1]和dataset.iloc[:, -1]，前者表示的是取所有行，但不包括最后一列的数据，结果是个DataFrame。...
挺简单的，其实课程内容没有我们想象的那么难、像我之前同学，完全零基础，培训了半年，直接出来就工作了，人家还在北京大公司上班，一个月15k，实力老厉害了
Python针对众多的类型，提供了众多的内建函数来处理(内建是相对于导入import来说的，后面学习到包package时，将会介绍)，这些内建函数功用在于其往往可对多种类型对象进行类似的操作，即多种类型对象的共有的操作；如果某种操作只对特殊的某一类对象可行，Pyt...
相当于 ... 这里不是注释
还有FIXME
python的两个库:xlrd和xlutils。 xlrd打开excel,但是打开的excel并不能直接写入数据,需要用xlutils主要是复制一份出来,实现后续的写入功能。
单行注释：Python中的单行注释一般是以#开头的，#右边的文字都会被当做解释说明的内容，不会被当做执行的程序。为了保证代码的可读性，一般会在#后面加一两个空格然后在编写解释内容。示例：# 单行注释print(hello world)注释可以放在代码上面也可以放在代...
主要是按行读取，然后就是写出判断逻辑来勘测行是否为注视行，空行，编码行其他的：import linecachefile=open('3_2.txt','r')linecount=len(file.readlines())linecache.getline('3_2.txt',linecount)这样做的过程中发现一个问题，...
或许是里面有没被注释的代码
自学的话要看个人情况，可以先在B站找一下视频看一下