# deep_learning **Repository Path**: Mrcc920/deep_learning ## Basic Information - **Project Name**: deep_learning - **Description**: Basic Deep Learning - **Primary Language**: Python - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2019-06-21 - **Last Updated**: 2020-12-19 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 介绍 非专业的nlp、图像工程师，tensorflow调包工程师，注重快速实现，那么，让我们一起做点有趣的事情吧！ 这个工程的目的是将自己在工程和学术研究中，一些应用到深度学习的思路和方法整理汇总出来： - 帮助深度学习入门同学快速上手 - 提供一些在现有的机器学习方向上的新的方向和思路的整理 - 解锁思维的禁锢 关于深度学习相关的浅入浅出的介绍，可以快速入门一下[浅入浅出深度学习理论实践](http://shataowei.com/2018/02/07/浅入浅出深度学习理论实践/)。 关于深度学习相关的点击预估的介绍，可以快速入门一下[yoho注册概率预估](http://shataowei.com/2018/03/04/yoho!buy注册概率预估/)。 关于深度学习相关的图像识别的介绍，可以快速入门一下[基于SSD下的图像内容识别（一）](http://shataowei.com/2017/12/01/基于SSD下的图像内容识别（一）/)，[基于SSD下的图像内容识别（二）](http://shataowei.com/2017/12/01/基于SSD下的图像内容识别（二）/)。 关于深度学习相关的目标向量化的介绍，可以快速入门一下[深度学习下的电商商品推荐](http://shataowei.com/2017/08/19/深度学习下的电商商品推荐/)。 关于深度学习相关的多层感知机的介绍，可以快速入门一下[基于Tensorflow实现多层感知机网络MLPs](http://shataowei.com/2018/07/25/基于Tensorflow实现多层感知机网络MLPs/)。 关于深度学习相关的deepfm的介绍，可以快速入门一下[基于Tensorflow实现DeepFM](http://shataowei.com/2018/07/30/基于Tensorflow实现DeepFM/)。 关于深度学习相关的Deep Neural Networks for YouTube Recommendations的介绍，可以快速入门一下[利用DNN做推荐的实现过程总结](https://zhuanlan.zhihu.com/p/38638747)。 # 项目 ## RNN_applied_classification 利用GRU，提取用户的行为时序稀疏特征，并产出stack初始层的思路 ![](http://upload-images.jianshu.io/upload_images/1129359-d5b28a58edc73240.jpeg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) ## CNN_applied_classification 利用全连接+CNN，提取稀疏特征，并产出stack初始层的思路 **网络结构** ![](http://upload-images.jianshu.io/upload_images/1129359-59c552e6a61b37e7.jpeg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) ## Wide & Deep Google 推荐算法的代码修正，原始代码来源于网络但是不能执行及流程不完整，修复代码demo，现可以直接复制后使用 **网络结构** ![](http://upload-images.jianshu.io/upload_images/1129359-e90396f9e07c4af7.jpeg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) **注意** 在Linux环境下，tensorflow==1.0.0会有如下的报错，而MacBook环境下，tensorflow=1.0.0就不会报错： ```python double free or corruption (!prev): 0x0000000001f03dd0 *** ``` 解决方法是更新版本到1.6.0（其他版本我没试），官方之前有人提过[issue](https://github.com/tensorflow/tensorflow/issues/15848)，大家注意一哈！ ## SSD_object_recognition 利用ssd直接实现物体区域识别 **图片版效果：** ![](http://upload-images.jianshu.io/upload_images/1129359-6d4fd382feeb6239.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) **视频版本地址：** [行人识别场景](https://v.qq.com/x/page/j05679xhryx.html) [车辆识别场景](https://v.qq.com/x/page/a0567wd27jz.html) ## Word2vec_recommend 利用样本频率+Huffman树路径最大概率的方法，实现特征向量化的思路 ![](http://upload-images.jianshu.io/upload_images/1129359-612db0b5dc8c9041.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) ## MLPs 最简单的入门级神经网络算法 ![多层感知机网络](https://upload-images.jianshu.io/upload_images/1129359-967dcdad03d8ff41.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) ## DeepFm 入门级别的CTR Prediction的神经网络算法 ![DeepFM的网络结构图](https://upload-images.jianshu.io/upload_images/1129359-9e634bcced58d53f.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) 可能感兴趣的其他相关内容：**[FM部分](https://github.com/sladesha/machine_learning/tree/master/FM)**||**[FFM部分](https://github.com/sladesha/machine_learning/tree/master/FFM)** ## Deep Neural Networks for YouTube Recommendations 最近在利用来自google的YouTube团队发表在16年9月的RecSys会议的论文Deep Neural Networks for YouTube Recommendations做用户个性化商品推荐，看到不少论文上的理论总结分析，都很精彩，我手动实现了一遍，总结了一些实际工程中的体会，给大家也给自己一个总结交代。 ![Deep Neural Networks for YouTube Recommendations](https://upload-images.jianshu.io/upload_images/1129359-67a74922f9908400.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) normal_version：按照论文未修改的basemodel attention_version：在basemodel的基础上，加了attention机制（线性attention/rnn attention） record_dataformat_version：在basemodel的基础上，利用record机制存储数据，加快训练速度 # 工具 - python 3.6 - tensorflow 1.0.0 - nltk 3.2.4 - jieba 0.39 - data_preprocessing 0.0.2 # 其他 鄙人才疏学浅，不免有错误的地方，如果你发现了，麻烦通过以下的方式告知： - WeChat:sharalion - Issue - E-mail:stw386@sina.com - [Message Board in my bolg](http://shataowei.com) - 公众号：ml_trip ![](https://upload-images.jianshu.io/upload_images/1129359-654dc61c581d94e1.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)