神經網路(neural network)是深度學習中一種非常重要的模型，關於神經網路更詳細的介紹呢，這裡就不介紹了，可以自行搜索瞭解。文章主要整理了7個神經網路的實戰項目，相信對神經網路學習者會有所幫助~

【神經網路實現手寫字元識別系統】

該項目最終將基於BP神經網路實現一個手寫字元識別系統，系統會在伺服器啟動時自動讀入訓練好的神經網路文件，如果文件不存在，則讀入數據集開始訓練，用戶可以通過在html頁面上手寫數字發送給伺服器來得到識別結果。

效果圖：

【使用捲積神經網路進行圖片分類】

捲積神經網路特別適合於處理圖像相關問題，該項目一邊講解捲積神經網路原理，一邊帶你動手使用caffe深度學習框架進行圖片分類。

項目列表：

【使用 Python 實現深度神經網路】

該項目手把手教你使用 Python 實現一個深度神經網路，讓你在實際動手的過程中理解深度學習的一些基本原理，帶你真正入門深度學習。

項目列表：

【神經網路實現人臉識別任務】

該項目利用基於無監督學習的自編碼器對人臉數據進行特征提取，進行圖片降維，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路實現人臉識別的任務。

效果圖：

【基於無監督學習的自編碼器實現】

萬事開頭難，在機器學習里在真正開始訓練跑演算法之前，都需要進行數據預處理，我們需要人工的或“啟髮式”地去處理數據，提取特征，數據預處理的效果對後續訓練過程很關鍵。該項目介紹一種基於無監督學習神經網路數據降維的一種應用——自聯想存儲器。

效果圖：

【自聯想器的 Python 實現】

該項目介紹人工神經網路中的生物神經元，及突觸間隙的學習過程。最終將實現基於hebb規則的自聯想存儲器。由於自聯想存儲器具有降低雜訊，與去除不同輸入間的干擾功能，在測試階段我們將輸入有噪音或遮擋的數字圖片查看聯想結果。

訓練集：

測試結果：

【深度學習初探——入門DL主流框架】

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框架，通過項目實踐使同學瞭解如何利用這些框架搭建自己的深度學習神經網路。

課程將基於每個框架的官方文檔，先帶大家熟悉框架中基本的定義語法及常用函數（可看成深度模型的小零件），併在每個實驗內容的最後都會綜合這些零件搭建一個簡易的神經深度網路模型。十分適合具有一定python編程基礎，對人工智慧、深度學習感興趣的同學。

項目列表：

最後：

以上就是7個關於神經網路的項目教程，感興趣的可以點擊課程詳細查看完整教程進行學習~

更多實戰項目點擊這裡進行查看~