(zhuan) 资源|TensorFlow初学者必须了解的55个经典案例

  • 时间:
  • 浏览:3
  • 来源:5分6合APP下载_5分6合APP官方

5:tf初学者前要精通的实用技术

微调。在一俩个新任务上微调一俩个预训练的模型

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

线性回归:

Highway Convolutional Network。用于分类 MNIST 数据集的 Highway Convolutional Network 实现

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py

https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb

https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py

VGGNet Finetuning (Fast Training)。使用一俩个预训练的 VGG 网络并将其约束到你另一方的数据上,以便实现快速训练

多层感知器:

Residual Network (CIFAR-10)。应用于 CIFAR-10 分类任务的一种残差网络

https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

线性回归,使用 TFLearn 实现线性回归

Residual Network (MNIST) 。应用于 MNIST 分类任务的一种瓶颈残差网络(bottleneck residual network)

RNN Pixels。使用 RNN(在像素的序列上)分类图像

层,与 TensorFlow 一起去使用  TFLearn 层:

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

卷积网络(MNIST)。用于分类 MNIST 数据集的一种卷积神经网络实现

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/basic_operations.ipynb

Recommender-Wide&Deep Network,推荐系统中 wide & deep 网络的教学示例:

https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py

TFLearn地址:https://github.com/tflearn/tflearn

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_basic.py

3:tf初学者前要掌握的基本模型

自然语言防止模型及数据集

>>>>>>欢迎投稿:news@top25.cn<<<<<<

第三步:为TF新手准备的一些方面内容

多 GPU 上的基本操作

接下来的示例来自TFLearn,这是一俩个为 TensorFlow 提供了僵化 的接口的库。顶端有好多好多 示例和预构建的运算和层。

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py

Atari Pacman 1-step Q-Learning,使用 1-step Q-learning 教一台机器玩 Atari 游戏:

动态循环神经网络(LSTM)

https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py

逻辑运算符。使用 TFLearn 实现逻辑运算符

循环神经网络(LSTM):

卷积神经网络:

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/bidirectional_rnn.ipynb

6:案例前要的数据集

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/recurrent_network.ipynb

Spiral Classification Problem,对斯坦福 CS231n spiral 分类什么的问题的 TFLearn 实现:

初步了解:TFLearn TensorFlow

https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

MNIST数据集笔记:https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb

使用 DASK。使用 DASK 防止大型数据集

官方网站:http://yann.lecun.com/exdb/mnist/

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py

使用教程:TFLearn 快速入门。通过一俩个具体的机器学习任务学习 TFLearn 基础。开发和训练一俩个层厚神经网络分类器。

https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py

计算机视觉模型及数据集

MNIST 数据集入门笔记

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py

Alexnet。将 Alexnet 应用于 Oxford Flowers 17 分类任务

双向 RNN(LSTM),将一俩个双向 LSTM 应用到 IMDB 感情的句子数据集分类任务:

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/basic_operations.py

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/autoencoder.ipynb

动态 RNN(LSTM),利用动态 LSTM 从 IMDB 数据集分类可变长度文本:

Logistic 回归:

https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

Tensorboard——高级可视化

本文是TensorFlow实现流行机器学习算法的教程汇集,目标是让读者都能不能 轻松通过清晰简明的案例深入了解 TensorFlow。什么案例适合什么我应该 实现一些 TensorFlow 案例的初学者。本教程含高还含高笔记和含高注解的代码。

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5_MultiGPU/multigpu_basics.py

权重保持。保存和还原一俩个模型

笔记:https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/nearest_neighbor.ipynb

https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py

示例:https://github.com/tflearn/tflearn/tree/master/examples

保存和恢复模型

https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py

第一步:给TF新手的教程指南

VGGNet。将 VGGNet 应用于 Oxford Flowers 17 分类任务

https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/tensorboard_basic.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

Highway Network。用于分类 MNIST 数据集的 Highway Network 实现

1:tf初学者前要明白的入门准备

Summaries,连同 TensorFlow 使用 TFLearn summarizers:

Bulit-in Ops,连同 TensorFlow 使用 TFLearn built-in 操作:

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

网络中的网络。用于分类 CIFAR-10 数据集的 Network in Network 实现

Google Inception(v3)。应用于 Oxford Flowers 17 分类任务的谷歌 Inception v3 网络

基本操作

https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py

https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4_Utils/save_restore_model.ipynb

最近邻:

城市名称生成,使用 LSTM 网络生成新的美国城市名:

自编码器。用于 MNIST 手写数字的自编码器

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py

机器学习入门笔记:

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5_MultiGPU/multigpu_basics.ipynb

https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py

强化学习案例

循环神经网络(LSTM),应用 LSTM 到 IMDB 感情的句子数据集分类任

有一些案例前要 MNIST 数据集进行训练和测试。运行什么案例时,该数据集会被自动下载下来(使用 input_data.py)。

预构建的运算和层:http://tflearn.org/doc_index/#api

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py

图和损失可视化

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/save_restore_model.py

https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py

第二步:为TF新手备的各个类型的案例、模型和数据集

https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py

双向循环神经网络(LSTM):

https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

Variables,连同 TensorFlow 使用 TFLearn Variables:

多层感知器。一种用于 MNIST 分类任务的多层感知实现

https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

文章来源:github      采编:lily

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1_Introduction/helloworld.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1_Introduction/helloworld.ipynb

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/linear_regression.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/nearest_neighbor.py

2:tf初学者前要了解的入门基础

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/convolutional_network.ipynb

https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py

使用 HDF5。使用 HDF5 防止大型数据集

Hello World

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/logistic_regression.ipynb

莎士比亚手稿生成,使用 LSTM 网络生成新的莎士比亚手稿:

自编码器

基础模型以及数据集

4:tf初学者前要尝试的神经网络

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2_BasicModels/logistic_regression.py

5:tf初学者前要的懂得的多GPU基本操作

https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2_BasicModels/linear_regression.ipynb

Seq2seq,seq2seq 循环网络的教学示例:

CNN Seq,应用一俩个 1-D 卷积网络从 IMDB 感情的句子数据集中分类词序列

训练器,使用 TFLearn 训练器类训练任何 TensorFlow 图:

https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py

https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py

卷积网络(CIFAR-10)。用于分类 CIFAR-10 数据集的一种卷积神经网络实现

猜你喜欢

巴金的《家》、雨果的《巴黎圣母院》、狄更斯的《大卫·科波菲尔》这三篇的故事梗概

 我来答下载百度知道APP,抢鲜体验也,不老实。着实我也想抄。换一换展开删剪不得劲推荐你对你你这名 回答的评价是?晕,还用得着提问嘛?直接搜索已处置的不就行了不使用百度知

2020-02-22

Docker学习之路(三)

要删除详细image句子下载jdk、tomcat安装包,上传/usr/local/soft目录下FROM:指定基础镜像,因此时需是第根小指令因此重启docker服务ADD:群克

2020-02-22

与webshell后门清理相关精彩内容

收到阿里云的短信提醒说是网站存在后门,webshell恶意通信行为,紧急的安全状态,我第一时间登录阿里云查看详情,点开云盾动态感知,查想看 网站木马的完整版路径以及websh

2020-02-22

用恰当的名言 警句或谚语使自己在今后的生活中,珍惜时间,勤奋学习。快点啊!

时间,每天得到的还会24小时,从之前 的时间给勤勉的人带来智慧型与力量,给懒散的人都还后能 都还后能 留下一片悔恨。--鲁迅都还后能 都还后能

2020-02-21

阿瑟·米勒的一生是怎样的呢?

可选中俩个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个疑问。扫描二维码下载是美国半个世纪以来最杰出的剧作家,阿瑟·米勒同样创作了一点一点重量级的戏剧作品,像

2020-02-21