非专业的nlp、图像工程师，tensorflow调包工程师，注重快速实现，那么，让我们一起做点有趣的事情吧！ 这个工程的目的是将自己在工程和学术研究中，一些应用到深度学习的思路和方法整理汇总出来：
- 帮助深度学习入门同学快速上手
- 提供一些在现有的机器学习方向上的新的方向和思路的整理
- 拓宽思维的禁锢
关于深度学习相关的浅入浅出的介绍，可以快速入门一下浅入浅出深度学习理论实践。
关于深度学习相关的点击预估的介绍，可以快速入门一下yoho注册概率预估。
关于深度学习相关的图像识别的介绍，可以快速入门一下基于SSD下的图像内容识别（一），基于SSD下的图像内容识别（二）。
关于深度学习相关的目标向量化的介绍，可以快速入门一下深度学习下的电商商品推荐。
利用GRU，提取用户的行为时序稀疏特征，并产出stack初始层的思路
利用全连接+CNN，提取稀疏特征，并产出stack初始层的思路
网络结构
Google 推荐算法的代码修正，原始代码来源于网络但是不能执行及流程不完整，修复代码demo，现可以直接复制后使用
网络结构
注意
在Linux环境下，tensorflow==1.0.0会有如下的报错，而MacBook环境下，tensorflow=1.0.0就不会报错：
doublefreeorcorruption (!prev): 0x0000000001f03dd0***解决方法是更新版本到1.6.0（其他版本我没试），官方之前有人提过issue，大家注意一哈！
利用ssd直接实现物体区域识别
图片版效果：
视频版本地址：
利用样本频率+Huffman树路径最大概率的方法，实现特征向量化的思路
- python 3.6
- tensorflow 1.0.0
- nltk 3.2.4
- jieba 0.39
- data_preprocessing 0.0.2
鄙人才疏学浅，不免有错误的地方，如果你发现了，麻烦通过以下的方式告知：
- WeChat:sharalion
- Issue
- E-mail:stw386@sina.com
- Message Board in my bolg