- Python生成词云
- Python生成字符画
- PyTorch实现简单分类
- PyTorch实现CNN, Dogs vs. Cats
- 模型可视化-Netron
- 残差网络举例, 使用Pytorch训练-验证-测试Resnet50
- 论文介绍 : Decision-based boundary attack
- 正则化技术的介绍
- 交叉检验技术的介绍(CV)
- Pytorch在MNIST实现分类(简单演示)
- Pytorch在MNIST实现分类(动态增加层数,便于之后调试)
- PyTorch实现逻辑回归
- 包含逻辑回归的PPT和代码实现和使用的数据
- CNN的介绍
- Convolution的一些可解释性
- deep dream的实现
- Image Style Transform(图片的风格迁移)
- CNN_MNIST可视化
- Fizz Buzz in Pytorch
- CLASSIFYING NAMES WITH A CHARACTER-LEVEL RNN
- 时间序列分析(使用RNN完成时间序列预测)
- Seq2Seq - translation(一个简单的Seq2Seq的模型,用来实现英文与法文的翻译。)
- Emotion RNN(使用RNN完成简单的情感分类)
- Word Embedding(简单实现Skip-gram算法)
- Attention的简单介绍
- Saliency Maps的简单实现
- GAN生成服从高斯分布的数据
- GAN生成手写数字
- Factor Analysis(因子分析)
- Principal component analysis, PCA(主成分分析)
- 分类器边界的可视化方式.
- 关于GAN的内容学习
- WGAN-GP