文章目录
0. 深度学习项目规范1. 深度学习入门项目2. 自然语言处理3. 语音识别4. 图像识别5. GAN
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，作为最近工作学习的一个整理，因为之前学习太不系统，有些杂乱，希望这个项目系列完成之后能够对自己的学习有一个总结，有些新的收获。
该系列项目尽量都使用TensorFlow、keras分别进行实现，其内容包括：
深度学习项目规范深度模型入门项目语音识别应用自然语言处理图像识别GAN… 整个系列项目及文档将在12月之前完成，先立个flag，希望自己好好整理，能够产出一些真正有用的东西，为他人所用。 PS: 之前的一个语音识别的项目已经都没有怎么去维护整理了，一方面是最近确实是又被安排去做其他的事情了，没有连续下来，另一方面是发现自己对于这些框架的基础确实薄弱，限制了自己的创造力。这次希望整理这些东西，能够扎实自己的基础吧。
更新：12月30日，计划不算成功
完成了自然语言处理和语音识别相关的任务，但是也是因为工作内就包括的事情，因此也没有多付出太多努力。希望接下来能在春节前将图像识别的任务能够稍微深入一些，实现比分类更加高级一些的任务。gan希望除了生成mnist能够再实现一些比较时髦的模型。
0. 深度学习项目规范
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：
项目背景：项目背景是什么，完成什么任务？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？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、去除脏数据等模型选择与建模：核心，也是深度学习框架要实现的主体评估准则与效果：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。
12月更新：说的比唱的好听，完全没有按照规范，实现功能性后看着差不多就完事了。。。男人的嘴真是不可靠啊。
1. 深度学习入门项目
文档地址：https://blog.csdn.net/chinatelecom08/article/details/83413623#_5 项目地址：https://github.com/audier/my_deep_project/tree/master/basic_deep_model
TensorFlow实现mnist分类
DNN示例CNN示例RNN示例 keras实现mnist分类
DNN示例CNN示例RNN示例
2. 自然语言处理
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 : tensorflowlstm : keras 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
seq2seqseq2seq + attention 对话系统
seq2seq +attention 输入法系统
CBHG：https://blog.csdn.net/chinatelecom08/article/details/85051817transformer：https://blog.csdn.net/chinatelecom08/article/details/85048019
3. 语音识别
文档地址：https://blog.csdn.net/chinatelecom08/article/details/82557715 项目地址：https://github.com/audier/DeepSpeechRecognition
CTC + RNNCTC + CNNFSMN
4. 图像识别
目标检测（简单任务，完成）风格迁移文本生成
5. GAN
mnist图像生成（已完成）
TensorFlowkeras 其他。。。
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。
