深度学习
简述
第一部分
常见深度学习框架（Python API）
TensorFlow
对（TensorFlow进一步封装）
PyTorch（FaceBook）
CNTK（微软）
MXNet
胶子
见文件夹：框架
第二部分
前馈神经网络
感知器
一个单层神经网络
一个多层神经网络
使用激活函数
关于隐层和隐层神经元的实验
实现一个自动编码器
调整损失函数
测试不同的优化器
使用正则化技术提高泛化能力
添加Dropout以防止过拟合
见文件夹：前馈神经网络
第三部分
卷积神经网络
滤波器和参数共享
应用层合并技术
使用批量标准化进行优化
理解填充和步长
实验不同类型的初始化
实现卷积自动编码器
将一维CNN替代文本
见文件夹：卷积神经网络
第四部分
循环神经网络
实现一个简单的RNN
添加LSTM
使用GRU
实现双向RNN
字符级文本生成
添加注意
见文件夹：循环神经网络
第
