动手学习深度学习（15）：尾声

尾声

到此为止，可以 宣告结束了；

其实大部分都是在2020年的疫情期间写的； 这次又把卷积神经网络可视化的实现部分添加上去了。

目前为止，基本实现了一个卷积神经网络，也算是弥补了自己上学时的一个遗憾。

就这样吧，废话不太多说。

期待能和更多的小伙伴沟通、交流。

By 2021/4/1

 

这里为了统一：

在此贴出每次的目录,

如果感觉有改进的地方, 请大家不吝赐教 (另外给出github的传送门 https://github.com/zli2014/python_deep_learning/tree/master)

目前为止整体的思维导图如下: 

 

开篇： https://www.cnblogs.com/greentomlee/p/12314064.html

基础知识介绍： https://www.cnblogs.com/greentomlee/p/12314915.html

神经网络的forward实现： https://www.cnblogs.com/greentomlee/p/16686539.html

计算图的实现：https://www.cnblogs.com/greentomlee/p/16686711.html

神经网络的backward的实现： https://www.cnblogs.com/greentomlee/p/16686684.html

基于计算图的激活层实现： https://www.cnblogs.com/greentomlee/p/16686729.html

基于计算图的affine层实现： https://www.cnblogs.com/greentomlee/p/16686743.html

基于计算图构建损失函数、神经网络：https://www.cnblogs.com/greentomlee/p/16686752.html

基于计算图的optimization的实现：https://www.cnblogs.com/greentomlee/p/16686799.html

过拟合的解决方法和实现：https://www.cnblogs.com/greentomlee/p/16686808.html

基于计算图的batch norm实现： https://www.cnblogs.com/greentomlee/p/16686823.html

卷积的实现与优化（img2ol）:https://www.cnblogs.com/greentomlee/p/16686862.html

池化层的实现：https://www.cnblogs.com/greentomlee/p/16686936.html

基于计算图的卷积神经网络的实现与可视化：https://www.cnblogs.com/greentomlee/p/16686940.html

 

回头再看看开篇写的前言, 还是得感谢疫情带来的闲暇时间