Deep-Learning-with-TensorFlow-book：深度学习入门开源书，基于TensorFlow2.0案例实战

这是一个在Github上名为crownpku/Information - Extraction - Chinese的项目，专注于中文信息抽取工作，其中涵盖命名实体识别和关系抽取等内容。项目使用IDCNN/biLSTM + CRF进行中文命名实体识别，利用biGRU + 2ATT开展关系抽取，并且各子任务有单独详细的README.md文件。这个项目在中文信息抽取相关的深度学习应用方面有独特之处，值得关注与深入探讨。

PaddlePaddle自2016年开源，是源于工业实践的深度学习与机器学习框架。涵盖核心框架、模型库等众多内容，被制造、农业等众多行业广泛采用，服务超1070万开发者等众多对象。它具有如神经网络工业开发的敏捷框架、支持超大规模深度神经网络训练、多种高性能推理引擎、面向行业的模型和开源库等众多技术优势，在深度学习和机器学习领域发挥着重要的作用。

zergtant/pytorch - handbook是一本开源书籍，目标是帮助想要用PyTorch进行深度学习开发和研究的朋友快速入门。书中参考网上资料并附原文地址，教程经测试确保可行，还提供版本说明、在线版本和PDF国内镜像等资源，有交流群方便大家交流，作者也会随着PyTorch版本更新不断完善内容，这是一个非常适合PyTorch初学者的资源。

kerlomz/captcha_trainer项目是基于深度学习的图片验证码解决方案，能处理多种干扰情况，适用于多种验证码场景及其他OCR场景。基于TensorFlow1.14开发，助力中小企业和个人构建图像分类模型。支持Windows平台GPU编译版，无需安装环境，0基础建模，有项目化管理、样本集增量添加、智能建议配置等特性，还涵盖多方面的模板参数，操作流程包括GPU和Python环境设置、样本采集标注打包、训练配置和开始训练等，项目结构清晰且有注意事项等内容。

DeepLearning项目主要针对《深度学习》(花书)进行相关工作。由于原书缺乏代码实现且内容较难理解，该项目以Python为主，特别是numpy库，进行源码级代码实现，包括书中概念的数学推导、原理剖析。推导过程和代码实现放在pdf文件和code文件夹。其目的是帮助读者更好学习深度学习算法，项目会持续更新，读者可提出建议或参与书写等。

这是一个关于斯坦福CS224n深度学习自然语言处理课程2019年的中文笔记项目。遵循CCBY - NC - SA4.0协议，欢迎任何人参与完善。项目中有笔记整理活动正在进行，并且给出了多种参与项目的联系方式，包括在github上提issue、发邮件以及在学习交流群中联系群主或管理员等，是一个很好的自然语言处理课程学习资源。