Python项目实战

在学习深度学习的过程中有许多坎坷，对我来说，最大的困难有两点：

大多的教学都是偏向理论，但如果不结合实践，很难吃透理论。
Github上的实战项目都是大而全的，里面包含了许多与理解理论无关的东西，例如并行计算、模型优化等等，而且很多都是py文件，并非jupyter，这样对于我这种菜鸟来说，增加了阅读难度。

针对这两个痛点，我构建了这个项目，致力于使用最简单的代码，来进行深度学习实战，帮助大家理解理论。

项目目录

系列名称	项目名称	博客地址	Google Colab
Pytorch入门实战	01. 实现线性回归	CSDN, Blogger	Open In Colab
	02. 使用BP神经网络实现MNIST手写数字识别	CSDN, Blogger	Open In Colab
	03. 使用简单CNN实现物体分类	CSDN, Blogger	Open In Colab
	04. 基于LSTM实现文本的情感分析	CSDN, Blogger	Open In Colab
	05. 基于nn.Transformer实现机器翻译（英译汉）	CSDN, Blogger	Open In Colab
	06. 基于GAN生成简单的动漫人物头像	CSDN, Blogger	Open In Colab
	07. 基于BERT实现文本隐喻二分类（Kaggle入门题目）	CSDN, Blogger	Open In Colab
	08.小样本学习(Few-shot Learning)实现图片分类	CSDN, Blogger	Open In Colab
Pytorch应用实战	01. 基于YOLO的视频人脸马赛克处理	CSDN, Blogger	Open In Colab
	02. 基于Wav2Lip的对嘴型（Lip-syncing）视频生成	CSDN	Open In Colab
LLM应用实战	01. 基于LangChain的Native RAG简单样例	CSDN, Blogger	Open In Colab
	02. Spring Boot 集成 Spring AI：实现可被大模型调用的 MCP Server	CSDN	代码
	03. Spring Boot 集成 Spring AI：实现大模型对话与MCP Client	CSDN	代码

Name		Name	Last commit message	Last commit date
202_SpringBoot_MCP_Server_Demo		202_SpringBoot_MCP_Server_Demo
203_SpringBoot_MCP_Client_Demo		203_SpringBoot_MCP_Client_Demo
asserts		asserts
01_linear_regression.ipynb		01_linear_regression.ipynb
02_MNIST_classification.ipynb		02_MNIST_classification.ipynb
03_cnn_image_classification.ipynb		03_cnn_image_classification.ipynb
04_LSTM_sentiment_analysis.ipynb		04_LSTM_sentiment_analysis.ipynb
06_GAN_image_generation.ipynb		06_GAN_image_generation.ipynb
08_few_shot_learning.ipynb		08_few_shot_learning.ipynb
101_mosaic_video.ipynb		101_mosaic_video.ipynb
102_Wav2Lip_Inference.ipynb		102_Wav2Lip_Inference.ipynb
201_native_rag.ipynb		201_native_rag.ipynb
202_Spring_AI_MCP_Server.md		202_Spring_AI_MCP_Server.md
203_Spring_AI_MCP_Client.md		203_Spring_AI_MCP_Client.md
README.en.md		README.en.md
README.md		README.md