仅使用 numpy 从头开始实现神经网络,包括反向传播公式推导过程; numpy 构建全连接层、卷积层、池化层、Flatten 层;以及图像分类案例及精调网络案例,欢迎关注和共同参与(持续更新中... ...)
工程地址: https://github.com/yizt/numpy_neuron_network
基础知识
0_2_1-卷积层的反向传播-单通道、无 padding、步长 1
0_2_2-卷积层的反向传播-多通道、无 padding、步长 1
0_2_3-卷积层的反向传播-多通道、无 padding、步长不为 1
0_2_4-卷积层的反向传播-多通道、有 padding、步长不为 1
0_2_5-池化层的反向传播-MaxPooling、AveragePooling、GlobalAveragePooling、GlobalMaxPooling
0_3-激活函数的反向传播-ReLU、LeakyReLU、PReLU、ELU、SELU
0_4-优化方法-SGD、AdaGrad、RMSProp、Adadelta、Adam
DNN 练习
CNN 练习
以下部分待完善:
2_4-对抗神经网络 、csdn 地址
其它
模型的保存、部署
精调网络
进阶
5-1-RNN 反向传播
5-2-LSTM 反向传播
5-3-GRU 反向传播
5-4-RNN、LSTM、GRU 实现
5-5-案例-lstm 连续文字识别