前言
经过大半年断断续续的学习和实践，终于将深度学习的基础知识看完了，虽然还有很多比较深入的内容没有涉及到，但也是感觉收获满满。因为是断断续续的学习做笔记写代码跑实验，所以笔记也零零散散的散落在每个角落，查询起来也非常不便，因此这里再做一个目录进行汇总一下，一来，可以方便自己以后查看，二来，也希望能够帮助到需要同学们。
格言：时间就像一张网，网撒在哪里，收获就在哪里。
一起加油 😄
环境配置
在所有的博文中都忘记了添加系统环境配置信息，那就在这里统一写一下：
- 系统环境：ubuntu 16.04
- 语言版本：python 3.5
- 深度框架：Tensorflow-gpu 1.2.0
- cuda版本：8.0
- GPU：1080 TI
序言
以下链接，基本涵盖了所有主流的神经网络，包括：
- 卷积神经网络CNN
- 循环神经网络RNN
- 长短时记忆网络LSTM
- 对抗生成网络GAN
同时，根据不同的网络进行了几个实战项目，包括： - 图像风格迁移算法
- 手写数字图像生成算法
- 中文文本分类算法
- 图像生成描述算法
一、神经网络初探
CIFAR-10数据集目录结构以及数据组织格式
使用单个神经元实现二分类
使用单层神经网络实现十分类
二、CNN代码实战
使用VGG实现十分类
使用Resnet实现十分类
使用Inception实现十分类
使用Mobilenet实现十分类
使用Resnet实现十分类(改进版)
使用Mobilenet实现十分类(改进版)
三、卷积网络优化
tensorboard的使用方法
Tensorflow保存和恢复模型的方法
图像增强(augmentation)的几个方法
tf.layers.batch_normalization()的使用方法
四、图像风格迁移实战
五、探讨：CNN的黑箱里到底发生了什么？
Tensorflow+VGG16实现卷积神经网络特征图可视化
六、深度卷积对抗生成网络(DCGAN)
七、LSTM解决时间序列问题
使用LSTM实现中文文本分类(1)
使用LSTM实现中文文本分类(2)
手动编写LSTM内部结构实现中文文本分类
构建LSTM模型使用到的API方法介绍
八、CNN同样可以文本分类
使用Char-CNN实现中文文本分类(1)
使用Char-CNN实现中文文本分类(2)
九、看图说话：从图像到生成文本描述
图像生成文本实现(1)flickr30k数据集介绍
图像生成文本(2)词表词频的构建
图像生成文本(3)图像特征的提取
图像生成文本(4)计算图设计以及训练流程