介绍

本仓库为哈尔滨工业大学 2019 春模式识别与深度学习的实验+课件

• Pattern-Recognition-Lab 部分是模式识别的实验，一个实验，只放了代码+报告，没有放数据集

• DeepLearning-Lab 部分是深度学习的实验，一共 6 个实验，最后一次实验自由发挥，没有放到仓库里

Pattern-Recognition-Lab（模式识别实验）

实验内容

1. 从 SVM, PCA, GMM, HMM 四个练习中选三个进行训练，可以调用各种库函数，要求实现完整的功能

2. 或是实现一个复杂的系统，要求使用机器学习的知识

说明

我做的是第一个，选择了 SVM, PCA, GMM 三个项目。

其中 GMM 项目参考：自制数据集实现动物种类语音识别

DeepLearning-Lab（深度学习实验）

也是第一次写深度学习的代码，一路磕磕绊绊，还好全部完成了。

代码还有很多改进的空间，留待以后慢慢探索。

这里还是简写一下吧，简单介绍一下，有个大概的认识，具体内容见 DeepLearning-Lab 文件夹

实验一（MLP）

• 使用PyTorch实现MLP，并在MNIST数据集上验证

实验二（AlexNet）

• 基于 PyTorch 实现 AlexNet
• 在 Cifar-10 数据集上进行验证

实验三（VGG/ResNet）

• 基于PyTorch实现 VGG/ResNet 结构，并在 Cifar-10 数据集上进行验证

• 基于 VGG 进行训练方式对比（LR 和优化器的对比）

实验四（RNN）

• 对Sine函数进行预测

• 基于影评数据进行文本情感预测

实验五（GAN）

• 基于PyTorch实现生成对抗网络

• 对比GAN、WGAN、WGAN-GP（稳定性、性能）

实验六（自选项目，组队完成，暂时没有放到仓库里）

• 基于PyTorch完成一个项目

最后

初次体验神经网络，很神奇。

代码肯定有很多不好的地方，以后慢慢改。

建仓库的目的，主要还是为了以后写代码，我觉得课程的实验真的让我学到了很多，在这里保存代码，方便以后借鉴