用VC实现了卷积神经网络 Lenet5 深度学习，训练数据集MNIST，测试集错误率可以到1.06%，深度神经网络层调用CUDA和CUDNN加速运算。神经网络结构定义用xml文件实现。 程序文件上传到了网址，这个网址的程序是没有调用CUDA和CUDNN的版本： https://download.csdn.net/download/ggw007/85837600

LeNet-5是一个经典的深度卷积神经网络，由Yann LeCun教授于1998年的论文Gradient-Based Learning Applied to Document Recognition中提出，本文代码是《Tensorflow 实战Google深度学习框架》6.4.2小节的例子(与论文中的深度学习网络有一些不同), 由于环境不同做了一些修改，可以正常运行。原代码中注释都省略了，详细注释参考原书籍。 源代码粘贴在网址： https://blog.csdn.net/ggw007/article/details/131041812?spm=1001.2014.3001.5502

GAN包含有两个模型，一个是生成模型（generative model），一个是判别模型(discriminative model)。生成模型的任务是生成看起来自然真实的、和原始数据相似的实例。判别模型的任务是判断给定的实例看起来是自然真实的还是人为伪造的（真实实例来源于数据集，伪造实例来源于生成模型）。生成器（generator）试图欺骗判别器（discriminator），判别器则努力不被生成器欺骗。模型经过交替优化训练，两种模型都能得到提升，但最终要得到的是效果提升到很高很好的生成模型，这个生成模型所生成的产品能达到真假难分的地步。 项目是使用的百度飞浆paddle深度学习平台框架，生成的模型可以根据一段高斯噪声生成手写数字图片，项目链接地址： https://aistudio.baidu.com/projectdetail/6859512?contributionType=1&sUid=4878658&shared=1&ts=1711115648705