deep-learning-homework

from Andrew

1-2 具有神经网络思维的Logistic回归

一个可以识别猫的的神经网络

1-3 带有一个隐藏层的平面数据分类

带有一个隐层，处理线性不可分的数据

1-4 手动实现了2层和n层的神经网络

手写实现了DNN的前向传播与反向传播

2-1 L2正则、dropout、梯度校验

手动实现了L2正则项，dropout在神经网络中存在与不存在的差别，

都未使用TensorFlow等框架，原生23333

2-2 梯度下降，带动量的梯度下降，adam

梯度下降：Accuracy：0.796666

带动量的：Accuracy：0.796666

Adam：Accuracy:0.94

2-3 使用TensorFlow实现了手势识别分类

数据集为别人拍摄的五个手指，所以只能做到从1-5的分类

训练集准确率92%，测试集72%

4-1 卷积神经网络的实现

1.未使用框架手写了一遍卷积的前向和反向传播

2.使用TensorFlow对2-3中的手势识别进行分类。

当learning_rate为0.005，参数使用‘he’初始化时，分类效果最高

训练集准确率0.997%，测试集0.894%

4-2 残差网络和Keras入门

一、使用Keras框架进行笑脸识别分类，准确度达到了86%

二、使用Keras搭建了50层的深度网络，数据集使用的是之前的手势识别数据

在renet50网络训练到20代时，达到了最优的效果，测试集达到了95%的准确率，超过之前的所有网络哈。

（20代的参数有点大哈，GitHub无法上传）

4-3 实现了目标检测算法啊“yolo"

使用yolo算法和非极大值抑制来检测车辆，行人等。

由于yolo算法太大无法上传，可以去yolo官网下载训练好的模型，训练好的图片在out文件夹里。

4-4 人脸识别和神经网络风格转化

一、人脸识别：（1-1的人脸识别以及1-k的人脸验证）

实现三元组损失函数

使用FaceNet将图片转化为128维向量

二、神经网络风格转化：将两个图片“叠加”在一起

使用VGG-19网络迁移学习哈、要不深层特征自己训练太慢了。。。。