텐서 플로 및 딥 러닝 튜토리얼
Google의 딥 러닝 튜토리얼
- Tensorflow 공식 딥 러닝 튜토리얼 [中文].
- 드롭 아웃 텐서 플로우가있는 MLP [中文] Tensorlayer [中文]
- Autoencoder Tensorlayer [中文]
- 컨볼 루션 신경 네트워크 Tensorflow [中文] Tensorlayer [中文]
- 재발 신경 네트워크 텐서 플로우 [中文] Tensorlayer [中文]
- 깊은 강화 학습 Tensorlayer [中文]
- 서열 텐서 플로우 텐소 레이어 시퀀스 [中文]
- 단어 임베딩 텐서 플로우 [中文] Tensorlayer [中文]
딥 러닝 독서 목록
- 딥 러닝 북을 MIT
- Karpathy 블로그
- Stanford UFLDL 자습서
- Colah의 블로그 - Word Embedding [中文]
- Colah의 블로그 - LSTN [门函数] 이해
튜토리얼 인덱스
0- 전제 조건
- 머신 러닝 소개 (노트북)
- MNIST 데이터 세트 소개 (노트북)
1- 소개
- Hello World (노트북) (코드)
- 기본 운영 (노트북) (코드)
2- 기본 모델
- 가장 가까운 이웃 (노트북) (코드)
- 선형 회귀 (노트북) (코드)
- 로지스틱 회귀 (노트북) (코드)
3- 신경망
- 다층 퍼셉트론 (노트북) (코드)
- Convolutional Neural Network (노트북) (코드)
- 재발 신경 네트워크 (LSTM) (노트북) (코드)
- 양방향 반복 신경 네트워크 (LSTM) (노트북) (코드)
- 동적 재발 신경 네트워크 (LSTM) (코드)
- Autoencoder (노트북) (코드)
4- 유틸리티
- 모델 저장 및 복원 (노트북) (코드)
- Tensorboard- 그래프 및 손실 시각화 (노트북) (코드)
- Tensorboard- 고급 시각화 (코드)
5- 멀티 GPU
- Multi-GPU (노트북)의 기본 작업 (코드)
데이터 세트
일부 예제에는 교육 및 테스트를 위해 MNIST 데이터 세트가 필요합니다. 걱정하지 마십시오.이 데이터 세트는 예제를 실행할 때 자동으로 다운로드됩니다 (input_data.py 포함). MNIST는 필기 숫자 데이터베이스입니다. 해당 데이터 세트에 대한 빠른 설명을 위해이 노트북을 확인할 수 있습니다.
공식 웹 사이트 : http://yann.lecun.com/exdb/mnist/
선택된 리포지토리
- JTOY/굉장한 텐더 플로우
- nlintz/tensorflow-tutoirals
- Adatao/Tensorspark
- Ry/Tensorflow-Resnet
트릭
예
기초
- 멀티 레이어 퍼셉트론 (MNIST) - 분류 작업, 튜토리얼_mnist_simple.py를 참조하십시오.
- 다층 퍼셉트론 (MNIST) - 반복기를 사용한 분류, Method1 및 Method2를 참조하십시오.
컴퓨터 비전
- 자동 에코 코더 (MNIST)를 비난합니다. 분류 작업, Tutorial_mnist.py를 참조하십시오.
- 쌓인 데노이징 자동 인코 코더 및 미세 조정 (MNIST). 분류 작업, Tutorial_mnist.py를 참조하십시오.
- 컨볼 루션 네트워크 (MNIST). 분류 작업, Tutorial_mnist.py를 참조하십시오.
- 컨볼 루션 네트워크 (CIFAR-10). 분류 작업, Tutorial_cifar10.py 및 Tutorial_cifar10_tfrecord.py를 참조하십시오.
- VGG 16 (imageNet). 분류 작업, 튜토리얼 _vgg16.py를 참조하십시오.
- VGG 19 (imageNet). 분류 작업, 튜토리얼 _vgg19.py를 참조하십시오.
- inceptionv3 (imageNet). 분류 작업, 튜토리얼 _inceptionv3_tfslim.py를 참조하십시오.
- Ritchieng의 Wide Resnet (Cifar).
- 더 많은 CNN 구현 TF-SLIM 구현은 SlimnetSlayer를 통해 Tensorlayer에 연결할 수 있습니다.
- Zsdonghao의 공간 변압기 네트워크.
- Zsdonghao에 의한 뇌종양 세분화에 대한 U-Net.
- yzwxx에 의한 (Celeba)에 대한 변형 Autoencoder (VAE).
- buptldy에 의한 (mnist)에 대한 변형 자동 인코더 (VAE).
- 이미지 캡션 - Zsdonghao의 Google IM2TXT의 상환.
자연어 처리
- 재발 신경 네트워크 (LSTM). 언어 모델링을 위해 여러 LSTM에 PTB 데이터 세트에 적용하십시오. Tutorial_ptb_lstm.py 및 튜토리얼_PTB_LSTM_STATE_IS_TUPLE.PY를 참조하십시오.
- Word Embedding (Word2Vec). 단어 임베딩 매트릭스를 훈련하고 튜토리얼_Word2Vec_basic.py를 참조하십시오.
- 임베딩 매트릭스를 복원하십시오. 사전 트레인 임베딩 행렬을 복원하고 튜토리얼_Generate_text.py를 참조하십시오.
- 텍스트 생성. LSTM 네트워크를 사용하여 새 텍스트 스크립트를 생성하여 튜토리얼_Generate_text.py를 참조하십시오.
- Pakrchen의 중국어 텍스트 안티 스팸.
- Seq2Seq에 대한 200 줄의 챗봇.
- FastText Sentence Classification (IMDB), Tomtung의 튜토리얼_imdb_fasttext.py를 참조하십시오.
적대적 학습
- DCGAN (Celeba). Zsdonghao의 깊은 컨볼 루션 생성 적대적 네트워크에 의해 이미지 생성.
- Zsdonghao의 이미지 합성에 대한 생성 적대 텍스트.
- ZSDONGHAO의 생성 적대적 네트워크를 사용하여 감독되지 않은 이미지에 대한 이미지에 대한 이미지.
- Luoxier에 의한 크기 크기 컨벤션으로 Cyclegan 개선
- Zsdonghao의 Super Resolution Gan.
- Dagan : Nebulav의 빠른 압축 감지 MRI 재구성.
강화 학습
- 정책 그라디언트 / 네트워크 (Atari Ping Pong), Tutorial_atari_pong.py를 참조하십시오.
- Deep Q-Network (Frozen Lake), Tutorial_frozenlake_dqn.py를 참조하십시오.
- Q- 테이블 학습 알고리즘 (Frozen Lake), 튜토리얼_Frozenlake_q_table.py를 참조하십시오.
- Nebulav의 TensordB (Atari Ping Pong)를 사용한 비동기 정책 그라디언트.
- 개별 액션 공간 (Cartpole)의 AC는 튜토리얼_cartpole_ac.py를 참조하십시오.
- 연속 액션 공간 (Bipedal Walker) 용 A3C는 튜토리얼_bipedalwalker_a3c*.py를 참조하십시오.
- Zsdonghao의 단검 (Gym Torcs).
- JJKKE88에 의한 연속 및 이산 조치 공간을위한 TRPO.
여러 가지 잡다한
- 분산 교육. Jorgemf의 Mnist와 Imagenet.
- tf-slim을 Tensorlayer로 병합하십시오. 튜토리얼_inceptionv3_tfslim.py.
- 케라를 텐소 레이어로 병합하십시오. Tutorial_keras.py.
- tfrecord를 사용한 데이터 확대. 데이터를로드 및 사전 프로세스하는 효과적인 방법은 튜토리얼_tfrecord*.py 및 tutorial_cifar10_tfrecord.py를 참조하십시오.
- Tensorlayer의 데이터 확대는 튜토리얼_image_preprocess.py를 참조하십시오.
- Fangde의 Tensordb는 여기를 참조하십시오.
- 간단한 웹 서비스 -Joelkronander의 Tensorflask.
- 플로트 16 Half-Precision Model은 Tutorial_mnist_float16.py를 참조하십시오
유용한 링크
