18个挑战项目带你快速入门深度学习

AlphaGo 大战李世乭之后，深度学习技术便在国内变得异常火。吸引了大批的技术人员争相学习，那么到底如何才能更快速的入门深度学习呢？

下面给大家介绍的 18 个挑战项目，通过实践动手带你快速入门深度学习！

1.北京市住房价格预测

本挑战运用线性回归的相关知识，来预测北京市的住房价格。

该数据集中共包含有 12 列。由于线性回归需要输入数值型数据，所以我们选用的特征包括「公交，写字楼，医院，商场，地铁，学校，建造时间，楼层，面积」等 9 项，而「每平米价格」则是预测目标值。

2.梯度下降法实现与应用

梯度下降作为一种最优化方法，可以普遍用于参数问题的优化过程中。为了更好地体会这种方法的优点和了解其使用过程，本次挑战中将尝试使用梯度下降解决一些线性回归问题。

3.手写字符识别神经网络

本挑战结合 scikit-learn 提供的人工神经网络实现方法，完成手写字符识别。

4.TensorFlow 加州房价预测

本挑战尝试用 TensorFlow 去实现一个线性回归。你可能会觉得线性回归非常基础，不过这里的目的主要是熟悉 TensorFlow 搭建模型的整个流程，以及诸如 Placeholder，Constant 等重要概念。

5.TensorFlow 汽车评估分类

本挑战使用 TensorFlow 构建一个合理的全连接人工神经网络，完成汽车安全性评估分类任务。

需要使用 TensorFlow 函数及方法完成网络的构建，训练，预测及评估。自行选择数据处理方式，神经网络结构，损失函数，优化方法等。数据预处理等非主要代码允许少量使用其他类库提供的函数及操作。

6.TensorFlow 时尚物品分类

本挑战将由你独立完成一个开放性的分类预测练习，你需要使用 Fashion-MNIST 时尚物品数据集，并通过 TensorFlow Keras 来构建一个合理的 DNN 网络。

结果输出：

Train on 60000 samples, validate on 10000 samples 
Epoch 1/5 
60000/60000 [==============================] - loss: 0.3098 - acc: 0.8856 - val_loss: 0.3455 - val_acc: 0.8776 
Epoch 2/5 
60000/60000 [==============================] - loss: 0.2981 - acc: 0.8891 - val_loss: 0.3352 - val_acc: 0.8784 
Epoch 3/5 
60000/60000 [==============================] - loss: 0.2885 - acc: 0.8914 - val_loss: 0.3346 - val_acc: 0.8741 
Epoch 4/5 
60000/60000 [==============================] - loss: 0.2802 - acc: 0.8942 - val_loss: 0.3349 - val_acc: 0.8808 
Epoch 5/5 
60000/60000 [==============================] - loss: 0.2738 - acc: 0.8982 - val_loss: 0.3197 - val_acc: 0.8851 

7.PyTorch 实现线性回归

本次挑战中，需要你使用 PyTorch 实现再熟悉不过的线性回归。线性回归固然简单，但挑战的目的在于熟悉对 PyTorch 的使用。

结果输出：

Iteration [ 10/100], Loss: 0.791 
Iteration [ 20/100], Loss: 0.784 
Iteration [ 30/100], Loss: 0.778 
Iteration [ 40/100], Loss: 0.772 
Iteration [ 50/100], Loss: 0.767 
Iteration [ 60/100], Loss: 0.762 
Iteration [ 70/100], Loss: 0.757 
Iteration [ 80/100], Loss: 0.753 
Iteration [ 90/100], Loss: 0.749 
Iteration [100/100], Loss: 0.745 

8.构建 LeNet5

本次挑战将使用 TensorFlow Estimator 高阶 API 来重构 LeNet-5 并完成训练。

9.迁移学习完成动物分类

（编辑：孝感站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!