神經網絡(neural network)是深度學習中一種非常重要的模型，關于神經網絡更詳細的介紹呢，這裡就不介紹了，可以自行搜尋了解。文章主要整理了7個神經網絡的實戰項目，相信對神經網絡學習者會有所幫助~
神經網絡(neural network)是深度學習中一種非常重要的模型，關于神經網絡更詳細的介紹呢，這裡就不介紹了，可以自行搜尋了解。文章主要整理了7個神經網絡的實戰項目，相信對神經網絡學習者會有所幫助~
【神經網絡實作手寫字元識别系統】
該項目最終将基于BP神經網絡實作一個手寫字元識别系統，系統會在伺服器啟動時自動讀入訓練好的神經網絡檔案，如果檔案不存在，則讀入資料集開始訓練，使用者可以通過在html頁面上手寫數字發送給伺服器來得到識别結果。
效果圖：
【使用卷積神經網絡進行圖檔分類】
卷積神經網絡特别适合于處理圖像相關問題，該項目一邊講解卷積神經網絡原理，一邊帶你動手使用caffe深度學習架構進行圖檔分類。
項目清單：
【使用 Python 實作深度神經網絡】
該項目手把手教你使用 Python 實作一個深度神經網絡，讓你在實際動手的過程中了解深度學習的一些基本原理，帶你真正入門深度學習。
項目清單：
【神經網絡實作人臉識别任務】
該項目利用基于無監督學習的自編碼器對人臉資料進行特征提取，進行圖檔降維，利用降維後的結果作為有監督學習分類器的輸入，最終利用一個三層神經網絡實作人臉識别的任務。
效果圖：
【基于無監督學習的自編碼器實作】
萬事開頭難，在機器學習裡在真正開始訓練跑算法之前，都需要進行資料預處理，我們需要人工的或“啟發式”地去處理資料，提取特征，資料預處理的效果對後續訓練過程很關鍵。該項目介紹一種基于無監督學習神經網絡資料降維的一種應用——自聯想存儲器。
效果圖：
【自聯想器的 Python 實作】
該項目介紹人工神經網絡中的生物神經元，及突觸間隙的學習過程。最終将實作基于hebb規則的自聯想存儲器。由于自聯想存儲器具有降低噪聲，與去除不同輸入間的幹擾功能，在測試階段我們将輸入有噪音或遮擋的數字圖檔檢視聯想結果。
訓練集：
測試結果：
【深度學習初探——入門DL主流架構】
通過8個實驗，帶領同學們入門TensorFlow、Theano、Keras 及 Caffe 幾個主流的深度學習架構，通過項目實踐使同學了解如何利用這些架構搭建自己的深度學習神經網絡。
課程将基于每個架構的官方文檔，先帶大家熟悉架構中基本的定義文法及常用函數（可看成深度模型的小零件），并在每個實驗内容的最後都會綜合這些零件搭建一個簡易的神經深度網絡模型。十分适合具有一定python程式設計基礎，對人工智能、深度學習感興趣的同學。
項目清單：
最後：
以上就是7個關于神經網絡的項目教程，感興趣的可以點選課程詳細檢視完整教程進行學習~
更多實戰項目點選這裡進行檢視~