本项目主要是实现对给定车辆的图片进行车辆检测和型号的分类，并对系统进行整合，以GUI界面形式对输入图片进行检测分类后输出结果。
1）参考论文《Densely connected convolutional networks》，编写代码densenet，实现稠密连接。 2）在tinymind上新建模型，运行模型，输出结果。 3）模型参考代码： https://github.com/tensorflow/models/tree/master/research/slim 。
使用tensorflow，构造并训练一个神经网络，在测试集上达到超过98%的准确率。 需要基础知识： 深度神经网络、激活函数、正则化、初始化、卷积、池化 探索超参数设置： 卷积kernel size、卷积kernel 数量、学习率、正则化因子、权重初始化分布参数等
使用tensorflow，构造并训练一个神经网络，在测试机上达到超过98%的准确率。 使用深度神经网络、激活函数、正则化、初始化等 探索超参数设置： 隐层数量、各隐层中神经元数量、学习率、正则化因子、权重初始化分布参数
Event Recommendation Engine Challenge 是Kaggle 上的一个推荐任务竞赛，根据用户的历史参加活动记录、用户的社交信息、以及用户历史上在App上浏览和点击的活动，预测用户是否会对某个活动感兴趣。
根据活动的关键词（count_1, count_2, ..., count_100，count_other属性）做聚类，采用KMeans聚类 尝试K=10，20，30，..., 100, 并计算各自CH_scores 总体活动的数目太多（300w+记录），只对训练集train.csv和测试集test.cv出现的活动（13418条记录）举行聚类
Rental Listing Inquiries数据集是Kaggle平台上的一个分类竞赛任务，需要根据公寓的特征来预测其受欢迎程度（用户感兴趣程度分为高、中、低三类）。其中房屋的特征x共有14维，响应值y为用户对该公寓的感兴趣程度。评价标准为logloss
Pima Indians Diabetes Dataset包括根据医疗记录的比马印第安人5年内糖尿病的发病情况，这是一个两类分类问题。每个类的样本数目数量不均等。一共有 768 个样本，每个样本有8个输入变量和1个输出变量。缺失值通常用零值编码。 根据提供的数据集对是否有糖尿病进行分类
