Machine-learning

---

This repository will implement all machine learning algorithms with Tensorflow2.0/Caffe , the contents are as follows（致敬《dive into deep learning》by李沐:

contents

1. 框架基础（TensorFlow）

---

2. 机器学习模型的部署

2.1 流程

2.2 模型选择、欠拟合和过拟合

---

3. 常见机器学习模型的实现

2.1 线性回归

2.2 softmax回归

2.3 logistics回归

2.4 感知机

2.5 支持向量机

2.6 K近邻法

2.7 朴素贝叶斯

2.8 提升方法

---

4. 深度学习基础

4.1 模型构造

4.2 权重衰减

4.3 丢弃法

4.4 正向传播、反向传播和计算图

4.5 数值稳定性和模型初始化

4.6 模型参数访问、初始化和共享

4.7 模型参数的延后初始化

4.8 自定义层

4.9 读取和存储

4.10 GPU计算

---

5. 深度学习计算

5.1 FCN

5.2 CNN

5.3 RNN

---

6. 深度学习tips

6.1 优化算法

6.2 计算性能

---

7. 强化学习

7.1 Basic

7.1.1 MDP

7.1.2 Dynamic Program

7.1.3 Sarsa & Q-learning

7.1.4

---

8. 生成模型

8.1 VAE

8.2 GAN

8.3 Flow

---