18个挑衅项目带你快速入门深度进修

AlphaGo 大战李世乭之后，深度进修技能便在海内变得非常火。吸引了大批的技强职员争相进修，那么到底怎样才气更快速的入门深度进修呢？

下面给各人先容的 18 个挑衅项目，通过实践下手带你快速入门深度进修！

1.北京市住房价值猜测

本挑衅运用线性回归的相干常识，来猜测北京市的住房价值。

该数据齐集共包括有 12 列。因为线性回归必要输入数值型数据，以是我们选用的特性包罗「公交，写字楼，医院，阛阓，地铁，学校，制作时刻，楼层，面积」等 9 项，而「每平米价值」则是猜测方针值。

2.梯度降落法实现与应用

梯度降落作为一种最优化要领，可以广泛用于参数题目的优化进程中。为了更好地领会这种要领的利益和相识其行使进程，本次挑衅中将实行行使梯度降落办理一些线性回归题目。

3.手写字符辨认神经收集

本挑衅团结 scikit-learn 提供的人工神经收集实现要领，完成手写字符辨认。

4.TensorFlow 加州房价猜测

本挑衅实行用 TensorFlow 去实现一个线性回归。你也许会认为线性回归很是基本，不外这里的目标首要是认识 TensorFlow 搭建模子的整个流程，以及诸如 Placeholder，Constant 等重要观念。

5.TensorFlow 汽车评估分类

本挑衅行使 TensorFlow 构建一个公道的全毗连人工神经收集，完成汽车安详性评估分类使命。

必要行使 TensorFlow 函数及要领完成收集的构建，实习，猜测及评估。自行选择数据处理赏罚方法，神经收集布局，丧失函数，优化要领等。数据预处理赏罚等非首要代码应承少量行使其他类库提供的函数及操纵。

6.TensorFlow 时尚物品分类

本挑衅将由你独立完成一个开放性的分类猜测操练，你必要行使 Fashion-MNIST 时尚物品数据集，并通过 TensorFlow Keras 来构建一个公道的 DNN 收集。

功效输出：

Train on 60000 samples, validate on 10000 samples 
Epoch 1/5 
60000/60000 [==============================] - loss: 0.3098 - acc: 0.8856 - val_loss: 0.3455 - val_acc: 0.8776 
Epoch 2/5 
60000/60000 [==============================] - loss: 0.2981 - acc: 0.8891 - val_loss: 0.3352 - val_acc: 0.8784 
Epoch 3/5 
60000/60000 [==============================] - loss: 0.2885 - acc: 0.8914 - val_loss: 0.3346 - val_acc: 0.8741 
Epoch 4/5 
60000/60000 [==============================] - loss: 0.2802 - acc: 0.8942 - val_loss: 0.3349 - val_acc: 0.8808 
Epoch 5/5 
60000/60000 [==============================] - loss: 0.2738 - acc: 0.8982 - val_loss: 0.3197 - val_acc: 0.8851 

7.PyTorch 实现线性回归

本次挑衅中，必要你行使 PyTorch 实现再认识不外的线性回归。线性回归当然简朴，但挑衅的目标在于认识对 PyTorch 的行使。

功效输出：

Iteration [ 10/100], Loss: 0.791 
Iteration [ 20/100], Loss: 0.784 
Iteration [ 30/100], Loss: 0.778 
Iteration [ 40/100], Loss: 0.772 
Iteration [ 50/100], Loss: 0.767 
Iteration [ 60/100], Loss: 0.762 
Iteration [ 70/100], Loss: 0.757 
Iteration [ 80/100], Loss: 0.753 
Iteration [ 90/100], Loss: 0.749 
Iteration [100/100], Loss: 0.745 

8.构建 LeNet5

本次挑衅将行使 TensorFlow Estimator 高阶 API 来重构 LeNet-5 并完成实习。

9.迁徙进修完成动物分类

（编辑：湖南网）

【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!