深度学习序列化模型LSTM——keras实现lstm文本生成。少量shakespeare文本作为训练数据，训练和保存LSTM模型，加载模型生成指定长度文本。

Centos7 特别是aws ec2，安装ffmpeg好难啊，再加上aeneas字幕音频强制对齐需要预先安装espeak和ffmpeg，更是难上加难。整了2天，终于整好了。

学习Andrew Ng课程——改善深层神经网络，第一周作业三numpy实现梯度检验。检验dnn反向传播是否正确。

深度学习卷积神经网络——TensorFlow实现CNN，完成手势数字识别实验。这是Ng课程的第四部分。

学习Andrew Ng课程——改善深层神经网络，第一周作业二权重初始化。在dnn代码基础上修改W初始化程序——添加zero、random和he三种初始化方法。顺便近距离感觉了梯度爆炸和消失问题。

学习Andrew Ng课程，numpy实现深层神经网络(DNN)并完成识别猫，作业第二部分。使用课程提供数据和上一节完成的dnn网络，实现识别猫实验。重新整合了一下dnn代码结构，再练习一遍。

tf2.0实现RNN模型，进行新闻推荐点击预测，得到惊喜的结果。

深度学习序列化模型LSTM——numpy实现LSTM模型，并用LSTM生成恐龙名称。主要参考作业课件step by step和Dinosaurus。

学习Andrew Ng课程——改善深层神经网络，第一周作业二权重初始化。在dnn代码基础上修改W初始化程序——添加zero、random和he三种初始化方法。顺便近距离感觉了梯度爆炸和消失问题。

学习Andrew Ng课程，numpy实现深层神经网络(DNN)和二分类实验，隐藏层激活函数式tanh或者relu，输出层激活函数sigmoid，LR二分类，程序采用numpy实现。