传统方法是,学习数学理论,机器学习理论,Deep Learning理论,然后是实践,这条路太漫长。
而更快速的方法是使用Keras+Python快速的上手练习【1】。
通过这些练习,达到2个目的:
A. 熟悉Keras的 API函数的用法,来实现不同的DL模型
B. 熟悉DL在语音,语言等建模中的应用。
【1】 列举了一些例子。对图像应用,MNIST是不错的数据集;对语音,TIMIT则扮演着类似的角色。
作为学习,应该选择不太大的 数据集,方便快速的实验和比较。
- Project 02: Multiclass Classification of Flower Species.
- Project 03: Binary Classification of Sonar Returns.
- Project 04: Regression of Boston House Prices.
- Project 05: Handwritten Digit Recognition.
- Project 06: Object Recognition in Photographs.
- Project 07: Predict Sentiment From Movie Reviews.
- Project 08: Sequence Classification with LSTMs for Movie Reviews.
- Project 09: Text Generation With Alice in Wonderland.
参考:
【1】 https://machinelearningmastery.com/deep-learning-with-python/