不借助深度学习框架，实现机器学习的重要算法，搭建可复用的模型构件，从底层构造框架，以便：
-
检验对算法理解是否准确
-
自由替换模型中的底层算法，取得一手实验结果
-
灵活复现paper、验证新方法的结论
-
落地场景的算法POC
知乎专栏 机器学习笔记 ，从原理分析、算法实现到场景应用的实践过程，记录备忘。
| 已实现算法 | 专栏笔记 |
|---|---|
| 多层感知机MLP | 从0到1：神经网络实现图像识别（感知机） |
| 全连接神经网络FCN | 从0到1：神经网络实现图像识别（多分类反向传播） |
| 卷积神经网络CNN | 从0到1：实现卷积神经网络（基础篇）、 （算法篇）、(实现篇) |
| 循环神经网络(Vanilla RNN) | 从0到1：实现循环神经网络Vanilla RNN |
| 长短时记忆网络(LSTM) | 从0到1：实现长短时记忆网络LSTM(指数分析) |
| 门控循环神经网络(GRU) | 整理中 |
| 批量规范化 Batch Norm | 从0到1：批量规范化Batch Normalization(原理篇)、(实现篇) |
| 激活函数集合 | 从0到1：多分类反向传播-激活函数部分 |
| 正则化方法 | 从0到1：实现卷积神经网络（过拟合与L2正则化）、Dropout方法整理中 |
| 优化策略集合 | 从0到1：CNN实现-优化算法部分 |
欢迎同行交流，可以从知乎专栏 或者公众号 JerryX007Srv 获得更新。
