Beranda>Terkait pemrograman>Kode sumber lainnya
Unduh

Tensorflow dan tutorial pembelajaran mendalam



Tutorial Pembelajaran mendalam Google

  • Tutorial pembelajaran mendalam resmi TensorFlow [中文].
  • MLP dengan dropout tensorflow [中文] tensorlayer [中文]
  • Tensorlayer Autoencoder [中文]
  • Jaringan saraf convolutional TensorFlow [中文] Tensorlayer [中文]
  • Jaringan saraf berulang TensorFlow [中文] Tensorlayer [中文]
  • Pembelajaran penguatan dalam tensorlayer [中文]
  • Urutan untuk urutan tenorlayer tensorflow [中文]
  • Kata penyematan tensorflow [中文] tensorlayer [中文]

Daftar Bacaan Pembelajaran mendalam

  • Buku Pembelajaran MIT DEEP
  • Blog karpati
  • Tutorial Stanford UFLDL
  • Blog Colah - Word Embedding [中文]
  • Blog Colah - Memahami LSTN [门函数]

Indeks tutorial

0 - Prasyarat

  • Pengantar Pembelajaran Mesin (Notebook)
  • Pengantar Dataset Mnist (Notebook)

1 - Pendahuluan

  • Halo dunia (notebook) (kode)
  • Operasi Dasar (Notebook) (Kode)

2 - Model Dasar

  • Tetangga terdekat (notebook) (kode)
  • Regresi linier (notebook) (kode)
  • Regresi logistik (notebook) (kode)

3 - Jaringan Saraf

  • Perceptron multilayer (notebook) (kode)
  • Convolutional Neural Network (Notebook) (kode)
  • Recurrent Neural Network (LSTM) (notebook) (kode)
  • Jaringan saraf berulang dua arah (LSTM) (notebook) (kode)
  • Dynamic Recurrent Neural Network (LSTM) (kode)
  • Autoencoder (notebook) (kode)

4 - Utilitas

  • Simpan dan Kembalikan Model (Notebook) (Kode)
  • Tensorboard - Visualisasi Grafik dan Kehilangan (Notebook) (Kode)
  • Tensorboard - Visualisasi Lanjutan (Kode)

5 - Multi GPU

  • Operasi Dasar pada Multi-GPU (Notebook) (Kode)

Dataset

Beberapa contoh memerlukan dataset MNIST untuk pelatihan dan pengujian. Jangan khawatir, dataset ini akan secara otomatis diunduh saat menjalankan contoh (dengan input_data.py). MNIST adalah database digit tulisan tangan, untuk deskripsi singkat dari dataset itu, Anda dapat memeriksa buku catatan ini.

Situs web resmi: http://yann.lecun.com/exdb/mnist/

Repositori yang dipilih

  • Jtoy/Awesome-TensorFlow
  • nlintz/tensorflow-tutoirals
  • Adatao/Tensorspark
  • ry/tensorflow-resnet

Trik

  • Trik untuk menggunakan tensorlayer

Contoh

Dasar -dasar

  • Multi -layer Perceptron (MNIST) - Tugas Klasifikasi, lihat tutorial_mnist_simple.py.
  • Perceptron Multi -Layer (MNIST) - Klasifikasi Menggunakan Iterator, Lihat Method1 dan Method2.

Visi komputer

  • Denoising Autoencoder (MNIST). Tugas Klasifikasi, lihat tutorial_mnist.py.
  • Autoencoder Denoising bertumpuk (MNIST). Tugas Klasifikasi, lihat tutorial_mnist.py.
  • Jaringan Convolutional (MNIST). Tugas Klasifikasi, lihat tutorial_mnist.py.
  • Jaringan Konvolusional (CIFAR-10). Tugas Klasifikasi, lihat tutorial_cifar10.py dan tutorial_cifar10_tfrecord.py.
  • VGG 16 (ImageNet). Tugas Klasifikasi, lihat tutorial_vgg16.py.
  • VGG 19 (ImageNet). Tugas Klasifikasi, lihat tutorial_vgg19.py.
  • InceptionV3 (ImageNet). Tugas Klasifikasi, lihat Tutorial_Inceptionv3_tfslim.py.
  • Wide ResNet (CIFAR) oleh Ritchieng.
  • Lebih banyak implementasi CNN dari TF-Slim dapat dihubungkan ke tensorlayer melalui SlimNetsLayer.
  • Jaringan transformator spasial oleh Zsdonghao.
  • U-net untuk segmentasi tumor otak oleh zsdonghao.
  • Autoencoder variasional (VAE) untuk (celeba) oleh yzwxx.
  • Autoencoder Variasional (VAE) untuk (MNIST) oleh Buptldy.
  • Captioning Image - Implementasi Google IM2TXT oleh Zsdonghao.

Pemrosesan bahasa alami

  • Recurrent Neural Network (LSTM). Terapkan beberapa dataset LSTM ke PTB untuk pemodelan bahasa, lihat tutorial_ptb_lstm.py dan tutorial_ptb_lstm_state_is_tuple.py.
  • Kata embedding (word2vec). Latih matriks embedding kata, lihat tutorial_word2vec_basic.py.
  • Kembalikan matriks embedding. Kembalikan matriks embedding pra-kereta, lihat tutorial_generate_text.py.
  • Pembuatan teks. Menghasilkan skrip teks baru, menggunakan jaringan LSTM, lihat tutorial_generate_text.py.
  • Teks Cina anti-spam oleh Pakrchen.
  • Chatbot dalam 200 baris kode untuk SEQ2SEQ.
  • Klasifikasi Kalimat FastText (IMDB), lihat tutorial_imdb_fasttext.py oleh tomtung.

Pembelajaran permusuhan

  • DCGAN (Celeba). Menghasilkan gambar dengan jaringan permusuhan generatif konvolusional yang mendalam oleh Zsdonghao.
  • Teks permusuhan generatif untuk sintesis gambar oleh zsdonghao.
  • Gambar yang tidak diawasi ke terjemahan gambar dengan jaringan permusuhan generatif oleh Zsdonghao.
  • Peningkatan Cyclegan dengan Konvolusi Penyisihan oleh Luoxier
  • Super Resolution Gan oleh Zsdonghao.
  • Dagan: Rekonstruksi MRI penginderaan terkompresi cepat oleh Nebulav.

Pembelajaran Penguatan

  • Gradien / Jaringan Kebijakan (Atari Ping Pong), lihat tutorial_atari_pong.py.
  • Deep Q-network (Danau Frozen), lihat tutorial_frozenlake_dqn.py.
  • Algoritma Pembelajaran Q-Table (Danau Frozen), lihat tutorial_frozenlake_q_table.py.
  • Gradien Kebijakan Asinkron Menggunakan Tensordb (Atari Ping Pong) oleh Nebulav.
  • AC untuk ruang aksi diskrit (cartpole), lihat tutorial_cartpole_ac.py.
  • A3C untuk ruang aksi kontinu (bipedal walker), lihat tutorial_bipedalwalker_a3c*.py.
  • Dagger for (gym torcs) oleh Zsdonghao.
  • TRPO untuk ruang tindakan kontinu dan diskrit oleh jjkke88.

Aneka ragam

  • Pelatihan Terdistribusi. Mnist dan Imagenet oleh Jorgemf.
  • Gabungkan TF-Slim menjadi tensorlayer. Tutorial_Inceptionv3_tfslim.py.
  • Gabungkan keras menjadi tensorlayer. tutorial_keras.py.
  • Augmentasi data dengan Tfrecord. Cara yang efektif untuk memuat dan pra-proses, lihat tutorial_tfrecord*.py dan tutorial_cifar10_tfrecord.py.
  • Augmentasi data dengan tensorlayer, lihat tutorial_image_preprocess.py.
  • Tensordb by fangde lihat di sini.
  • Layanan Web Sederhana - Tensorflask oleh Joelkronander.
  • Model setengah presisi float 16, lihat tutorial_mnist_float16.py

Tautan yang berguna

  • Trik untuk menggunakan tensorlayer
Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua