习题托管于github，包括学习心得总结
2-ImprovingDeepNeuralNetworks
第二门课 简单神经网络实现
4.1-ConvolutionNeuralNetworks
第四门课-第一周 主要是CNN简单实现
4.2-ConvolutionNeuralNetworks
第四门课-第二周 主要是Keras的介绍和简单ResNet的实现
4.3-YOLO
第四门课-第三周 主要是YOLO算法的的实现
4.4-YOLO
第四门课-第四周 主要是人脸识别和NST算法的的简单实现
5.1.1-Building+a+Recurrent+Neural+Network+-+Step+by+Step
5.1.2-RNN-dinosaurus-island
5.1.3-LSTN-Improvise-music
第五门课-第一周
- Building+a+Recurrent+Neural+Network+-+Step+by+Step
- 主要讲是一步一步构建RNN基础网络和LSTM网络，理解运作原理
- dinosaurus-island(character-level language model)
- 此练习使用基础RNN模型或者LSTM模型，学习一些文本，然后生成新的文本。比如恐龙名字，然后生成新的名字。比如莎士比亚诗词，然后可以生成新的类莎士比亚风格的诗词，都是利用了RNN模型对长文本序列模型的记忆能力。同时想到是否可以创造新个歌曲，机器人写文章等….I
- Improvise-music with an LSTM network
- 此练习主要使用LSTM网络生成音乐，原理和上一练习中生成恐龙名字类似，输入不同的序列数据，学习到参数后，然后生成序列段(将一段音乐分割为snippets，每一个snippet继续切分为30个时间步，然后进行训练)
5.2-Operations-on-word- vectors
5.3.1:Machine-Translation
5.3.2:Trigger-word-detection
第五门课-第三周
- Machine-Translation
- 主要练习的注意力模型，将人工理解(Tuesday 09 Oct 1993)的日期翻译为机器理解的日期(1993-10-09)
- Trigger-word-detection
- 触发字检测,首先通过生谱图将声音转换为特征向量,然后通过CNN,RNN进行预测判断Trigger word