项目地址：https://github.com/audier/my_deep_project
最近准备整理一些使用深度模型实现的项目，作为工作学习的一个整理。

我认为一个完整的深度学习项目应该包含如下所示几个方面：

1. 项目背景：项目背景是什么，完成什么任务？
2. 项目数据：项目数据是如何获取的，数据都包含什么，输入什么输出什么？
3. 数据处理：将获得的数据数字化，处理为能够喂进模型的形式。也包括：数据增强、去除脏数据等
4. 模型选择与建模：核心，也是深度学习框架要实现的主体
5. 评估准则与效果：评价模型好坏的标准是什么，如何通过评价标准评估模型效果
6. 模型优化与提升：哪些方面还可以提升模型的性能？

按照这个结构处理深度学习的任务，会更加规范更易提升，后续我将严格按照这个流程执行自己的项目以及整理回溯。

文档地址：https://blog.csdn.net/chinatelecom08/article/details/83413623
项目地址：https://github.com/audier/my_deep_project/tree/master/basic_deep_model

1. TensorFlow实现mnist分类
   • DNN示例
   • CNN示例
   • RNN示例
2. keras实现mnist分类
   • DNN示例
   • CNN示例
   • RNN示例

1. 文章自动生成
   文档地址：https://blog.csdn.net/chinatelecom08/article/details/83654602
   项目地址：https://github.com/audier/my_deep_project/tree/master/NLP/1.moyan_novel

   • lstm : tensorflow
   • lstm : keras

2. 翻译系统
   文档地址：https://blog.csdn.net/chinatelecom08/article/details/83860179
   项目地址：https://github.com/audier/my_deep_project/tree/master/NLP/2.translation

   • seq2seq (tensorflow)
   • seq2seq + attention (tensorflow)

3. 对话系统

   • seq2seq +attention (keras)

4. 输入法系统

   • CBHG (tensorflow)
   • CBHG (keras)

文档地址：https://blog.csdn.net/chinatelecom08/article/details/82557715
项目地址：https://github.com/audier/my_ch_speech_recognition

1. CTC + RNN
2. CTC + CNN
3. seq2seq +attention (keras)

1. 目标检测
2. 风格迁移
3. 文本生成

1. mnist图像生成
   • TensorFlow
   • keras

这是给自己立的一个flag，当这些都完成后，希望能够更好的理解这些深度框架，以及一些细节理论。 当然，也有很大的可能完不成这些任务，图像相关的任务自己也只做过mnist，其他的也不是很了解。但是不管怎么说，还是希望能够把列出来的这些任务都能做一遍，更好的理解深度模型在这些任务中是如何发挥作用的。加油。