本文是论文《Network In Network》的阅读笔记，该论文提出了mlpconv结构，Network In Network模型，首次使用1x1卷积和global average pooling(GAP,全局平均池化)。本文最后使用tensorflow复现了NIN模型，并在CIFAR-10上测试。
本文介绍了多层感知器的原理和实现，同时介绍了各个激活函数的优缺点，包括：sigmoid、tanh、ReLU、Leaky ReLU、PReLU、RReLU、ELU、Maxout等。
本文是动手学深度学习的笔记，介绍了softmax和交叉熵原理，并给出Tensorflow实现。
本文是读《动手学深度学习》的阅读笔记，介绍了使用梯度下降法求解线性回归的方法，并给出了Tensorflow实现。
[论文笔记]本文是论文《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》阅读笔记，该论文提出了VGG16和VGG19深度卷积神经网络，使用Multi-Scale数据增强方法。本文基于Tensorflow.Slim和Keras数据增强生成器搭建训练模型，并实现Keras微调预训练的VGG16模型。
[论文笔记]本文是论文《UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS》阅读笔记，同时基于tensorflow.slim使用dcgan生成动漫头像。
[论文笔记]本文是学习GAN所做的笔记，总结了GAN的奠基之作《Generative Adversarial Nets》的基本思想，使用tensorflow基于mnist数据集实现了GAN算法。
本项目是迁移学习的示例，使用预训练的Inception v3模型，使用tensorflow进行宠物的分类。
本文探索了使用Tensorboard进行高维特征可视化，使用跟LeNet5相似的CNN(卷积神经网络)架构，基于TensorFlow实现，进行面部表情分类，使用CK+数据集，同时可视化训练过程。
本文使用tensorflow实现全连接网络，用于mnist数据集分类，并详细解释了各行代码。
