[深度学习]代码集锦

10月技术主题----“深度学习”

Batch Normalization 学习笔记 --------------https://code.csdn.net/snippets/1608106 神经网络代码-------------------------------https://code.csdn.net/snippets/1876975 线性代数和Numpy的使用----------------------https://code.csdn.net/snippets/1807414 神经网络常用操作实现-----------------------https://code.csdn.net/snippets/1810015 Theano常用技巧-----------------------------https://code.csdn.net/snippets/1815824 线性回归算法实现---------------------------https://code.csdn.net/snippets/1820662 逻辑回归算法应用---------------------------https://code.csdn.net/snippets/1823250 用Theano实现多层前馈网络-------------------https://code.csdn.net/snippets/1851432 卷积神经网络（CNN）之卷积操作--------------https://code.csdn.net/snippets/1856625 卷积神经网络（CNN）实现--------------------https://code.csdn.net/snippets/1857587 堆叠去噪自动编码机（SdA）原理及实现--------https://code.csdn.net/snippets/1869571 深度学习-LSTM网络-代码---------------------https://code.csdn.net/snippets/1866476 Caffe学习笔记——Matlab接口----------------https://code.csdn.net/snippets/1802842 solver参数说明及利用自己的数据集对权值微调-https://code.csdn.net/snippets/1865649 MNIST的CNN实现——源码和运行结果-----------https://code.csdn.net/snippets/1693313 利用caffe训练深度学习模型------------------https://code.csdn.net/snippets/1610379 vgg人脸识别模型测试------------------------https://code.csdn.net/snippets/1614525 caffe源码解析之blob.hpp或blob.cpp----------https://code.csdn.net/snippets/1620527 caffe模型参数的一些解释--------------------https://code.csdn.net/snippets/1610047 让计算机阅读《天龙八部》-------------------https://code.csdn.net/snippets/1773808 使用LSTM进行大盘回归-----------------------https://code.csdn.net/snippets/1847366

拓展阅读

本文：http://www.paymoon.com:8001/index.php/2016/09/18/dl-codes/ 常用的深度学习开源框架介绍： 1、Caffe 源自加州伯克利分校的Caffe被广泛应用，包括Pinterest这样的web大户。与TensorFlow一样，Caffe也是由C++开发，Caffe也是Google今年早些时候发布的DeepDream项目（可以识别喵星人的人工智能神经网络）的基础。 2、Theano 2008年诞生于蒙特利尔理工学院，Theano派生出了大量深度学习Python软件包，最著名的包括Blocks和Keras 3、Torch Torch诞生已经有十年之久，但是真正起势得益于去年Facebook开源了大量Torch的深度学习模块和扩展。Torch另外一个特殊之处是采用了不怎么流行的编程语言Lua（该语言曾被用来开发视频游戏）。 4、Brainstorm 来自瑞士人工智能实验室IDSIA的一个非常发展前景很不错的深度学习软件包，Brainstorm能够处理上百层的超级深度神经网络——所谓的公路网络Highway Networks。 5、Chainer 来自一个日本的深度学习创业公司Preferred Networks，今年6月发布的一个Python框架。Chainer的设计基于define by run原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这里有Chainer的详细文档。 6、Deeplearning4j 顾名思义，Deeplearning4j是”for Java”的深度学习框架，也是首个商用级别的深度学习开源库。Deeplearning4j由创业公司Skymind于2014年6月发布，使用Deeplearning4j的不乏埃森哲、雪弗兰、博斯咨询和IBM等明星企业。 DeepLearning4j是一个面向生产环境和商业应用的高成熟度深度学习开源库，可与Hadoop和Spark集成，即插即用，方便开发者在APP中快速集成深度学习功能，可应用于以下深度学习领域：人脸/图像识别、语音搜索、语音转文字（Speech to text）、垃圾信息过滤（异常侦测）、电商欺诈侦测 7、Marvin 普林斯顿大学视觉工作组新推出的C++框架。该团队还提供了一个文件用于将Caffe模型转化成语Marvin兼容的模式。 8、ConvNetJS 这是斯坦福大学博士生Andrej Karpathy开发浏览器插件，基于万能的JavaScript可以在你的游览器中训练神经网络。Karpathy还写了一个ConvNetJS的入门教程，以及一个简洁的浏览器演示项目。 9、MXNet 出自CXXNet、Minerva、Purine等项目的开发者之手，主要用C++编写。MXNet强调提高内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。 10、Neon 由创业公司Nervana Systems于今年五月开源，在某些基准测试中，由Python和Sass开发的Neon的测试成绩甚至要优于Caffeine、Torch和谷歌的TensorFlow。 原文： https://code.csdn.net/blog/41 本文：http://www.paymoon.com:8001/index.php/2016/09/18/dl-codes/