实验一是使用MNIST手写数字体数据集进行训练和预测，实现测试集准确率达到98%及以上。本实验的目的：
- 掌握卷积神经网络基本原理，以
LeNet为例 - 掌握主流框架的基本用法以及构建卷积神经网络的基本操作
- 了解如何使用
GPU
实验二是猫狗分类，使用Kaggle猫狗分类的原始数据集，实现模型最终的准确率达到75%及以上。本实验的目的：
- 为了进一步掌握使用深度学习框架进行图像分类任务的具体流程如：读取数据、构造网络、训练和测试模型
- 掌握经典卷积神经网络
VGG16、ResNet50的基本结构
实验三是自动写诗，使用tang.npz，使用深度学习框架Pytorch，最终实现一个可以自动写诗的程序。本实验的目的如下：
- 理解和掌握循环神经网络概念及在深度学习框架中的实现
- 掌握使用深度学习框架进行文本生成任务的基本流程：如数据读取、构造网络、训练和预测等
实验四是情感分析，使用深度学习框架Pytorch，最终实现对中文电影评论的情感分类，实现测试准确率在83%以上。本实验的目的如下：
- 进一步加深对卷积神经网络基本原理的理解
- 掌握卷积神经网络处理文本的各项技术
- 掌握文本分类模型Text-CNN的架构和原理