今天分享:
(1)從零開始實現(xiàn)自動語音識別系統(tǒng);
(2)Keras 學(xué)習(xí)深度學(xué)習(xí)教程;
(3)深度學(xué)習(xí)論文匯總;
(4)利用特征工程提升Kaggle名次;
(5)TensorFlow 實現(xiàn)連續(xù)深度Q學(xué)習(xí) ;
1.【代碼】Automatic Speech Recognition
簡介:
利用 TensorFlow 實現(xiàn)端到端自動語音識別系統(tǒng)。(star:666)
原文鏈接:https://github.com/zzw922cn/Automatic_Speech_Recognition
2.【博客】Learning Deep Learning with Keras
簡介:
該文章教授你如何從零開始使用 Keras 搭建自己的神經(jīng)網(wǎng)絡(luò),是一個很不錯的教程。
原文鏈接:http://p.migdal.pl/2017/04/30/teaching-deep-learning.html
3.【代碼】Deep Learning Papers by task
簡介:
該文檔按照任務(wù)和日期排序,對深度學(xué)習(xí)論文做了一個總結(jié)。目前效果最好的幾篇論文都被標注出來了。對于每一篇論文都給出了它的連接。
原文鏈接:https://github.com/sbrugman/deep-learning-papers
4.【博客】How Feature Engineering can help you do well in a Kaggle competition - Part I
簡介:
該文章講述了作者如何從1000+名次上升到19名,其中的一個法寶就是使用特征工程來對數(shù)據(jù)進行清洗和操作。
5.【代碼】'Continuous Deep Q-Learning with Model-based Acceleration' in TensorFlow
簡介:
TensorFlow 實現(xiàn) Continuous Deep q-Learning with Model-based Acceleration.
原文鏈接:https://github.com/carpedm20/NAF-tensorflow
聯(lián)系客服