卷积神经网络.LearningMaterials

CNN实现MNIST分类，在测试集上实现准确率0.99，TensorFlow实现，容易上手

基于keras，后端为theano的卷积神经网络分类，代码是二分类，主要对猫狗进行识别分类

本书用极少的数学知识，深入浅出地介绍了机器学习、卷积神经网络的相关概念以及实践中特别重要的数据预处理。书中没有借助深度学习库，完全使用Python语言基于NumPy库实现了神经网络和卷积神经网络，并给

VisualizingandUnderstandingConvolutionalNetworks译文（“看懂”卷积神经网络）

用tensorflow框架，深度学习中卷积神经网络cnn模型，对电影评论进行情感二分类。

卷积神经网络的C++实现，附实现用的文档资源链接。架构好，有注释，minitest手写数据集上的识别率0.98可供参考

在python环境下tensorflow卷积神经网络cnn示例，手写数字，mnist数据集自动分类。

完整的CNN卷积神经网络，可用于图像等领域，有很好的指导。

CNN程序源代码，卷积神经网络可以编译。

本文假设读者比较熟悉神经网络的相关知识，特别是反向传播算法的过程，从数学推导的角度来理解CNN的内部原理。