强烈推荐的TensorFlow、Pytorch和Keras的样例资源(深度学习初学者必须收藏)
TensorFlow、Keras和Pytorch是目前深度学习的主要框架,也是入门深度学习必须掌握的三大框架,但是官方文档相对内容较多,初学者往往无从下手。本人从github里搜到三个非常不错的学习资源,并对资源目录进行翻译,强烈建议初学者下载学习,这些资源包含了大量的代码示例(含数据集),个人认为,只要把以上资源运行一次,不懂的地方查官方文档,很快就能理解和运用这三大框架。
一、TensorFlow
资源地址:
https://github.com/aymericdamien/TensorFlow-Examples
资源介绍:
本资源旨在通过示例轻松深入了解TensorFlow。 为了便于阅读,它包括notebook和带注释的源代码。
它适合想要找到关于TensorFlow的清晰简洁示例的初学者。 除了传统的“原始”TensorFlow实现,您还可以找到最新的TensorFlow API实践(例如layers,estimator,dataset, ......)。
最后更新(07/25/2018):添加新示例(GBDT,Word2Vec)和 TF1.9兼容性! (TF v1.9 +推荐)。
配置环境:
python 3.6以上,TensorFlow 1.8+
资源目录:
0 - 先决条件
机器学习简介
MNIST数据集简介
1 - 简介
Hello World(包含notebook和py源代码)。非常简单的例子,学习如何使用TensorFlow打印“hello world”。
基本操作(包含notebook和py源代码)。一个涵盖TensorFlow基本操作的简单示例。
TensorFlow Eager API基础知识(包含notebook和py源代码)。开始使用TensorFlow的Eager API。
2 - 基础模型
线性回归(包含notebook和py源代码)。使用TensorFlow实现线性回归。
线性回归(eager api)(包含notebook和py源代码)。使用TensorFlow的Eager API实现线性回归。
Logistic回归(包含notebook和py源代码)。使用TensorFlow实现Logistic回归。
Logistic回归(eager api)(包含notebook和py源代码)。使用TensorFlow的Eager API实现Logistic回归。
最近邻(包含notebook和py源代码)。使用TensorFlow实现最近邻算法。
K-Means(包含notebook和py源代码)。使用TensorFlow构建K-Means分类器。
随机森林(包含notebook和py源代码)。使用TensorFlow构建随机森林分类器。
Gradient Boosted Decision Tree(GBDT)(包含notebook和py源代码)。使用TensorFlow构建梯度提升决策树(GBDT)。
Word2Vec(词嵌入)(包含notebook和py源代码)。使用TensorFlow从Wikipedia数据构建词嵌入模型(Word2Vec)。
3 - 神经网络
监督学习部分
简单神经网络(包含notebook和py源代码)。构建一个简单的神经网络(如多层感知器)来对MNIST数字数据集进行分类。 Raw TensorFlow实现。
简单神经网络(tf.layers / estimator api)(包含notebook和py源代码)。使用TensorFlow'layers'和'estimator'API构建一个简单的神经网络(如:Multi-layer Perceptron)来对MNIST数字数据集进行分类。
简单神经网络(Eager API)(包含notebook和py源代码)。使用TensorFlow Eager API构建一个简单的神经网络(如多层感知器)来对MNIST数字数据集进行分类。
卷积神经网络(包含notebook和py源代码)。构建卷积神经网络以对MNIST数字数据集进行分类。 Raw TensorFlow实现。
卷积神经网络(tf.layers / estimator api)(包含notebook和py源代码)。使用TensorFlow'layers'和'estimator'API构建卷积神经网络,对MNIST数字数据集进行分类。
递归神经网络(LSTM)(包含notebook和py源代码)。构建递归神经网络(LSTM)以对MNIST数字数据集进行分类。
双向LSTM(包含notebook和py源代码)。构建双向递归神经网络(LSTM)以对MNIST数字数据集进行分类。
动态LSTM(包含notebook和py源代码)。构建一个递归神经网络(LSTM),执行动态计算以对不同长度的序列进行分类。
无监督
自动编码器(包含notebook和py源代码)。构建自动编码器以将图像编码为较低维度并重新构建它。
变分自动编码器((包含notebook和py源代码)。构建变分自动编码器(VAE),对噪声进行编码和生成图像。
GAN(Generative Adversarial Networks)(包含notebook和py源代码)。构建生成对抗网络(GAN)以从噪声生成图像。
DCGAN(Deep Convolutional Generative Adversarial Networks)(包含notebook和py源代码)。构建深度卷积生成对抗网络(DCGAN)以从噪声生成图像。
4 - 工具
保存和还原模型(包含notebook和py源代码)。使用TensorFlow保存和还原模型。
Tensorboard - 图形和损失可视化(包含notebook和py源代码)。使用Tensorboard可视化计算图并绘制损失。
Tensorboard - 高级可视化(包含notebook和py源代码)。深入了解Tensorboard;可视化变量,梯度等......
5 - 数据管理
构建图像数据集(包含notebook和py源代码)。使用TensorFlow数据队列,从图像文件夹或数据集文件构建您自己的图像数据集。
TensorFlow数据集API(包含notebook和py源代码)。引入TensorFlow数据集API以优化输入数据管道。
6 - 多GPU
多GPU的基本操作(包含notebook和py源代码)。在TensorFlow中引入多GPU的简单示例。
在多GPU上训练神经网络(包含notebook和py源代码)。一个清晰简单的TensorFlow实现,用于在多个GPU上训练卷积神经网络。
数据集
一些示例需要MNIST数据集进行训练和测试。官方网站:http://yann.lecun.com/exdb/mnist/
二、Keras
资源地址:
https://github.com/erhwenkuo/deep-learning-with-keras-notebooks
资源介绍:
这个github的repository主要是ErhWen Kuo在学习Keras的一些记录及练习。希望在学习过程中发现到一些好的信息与示例也可以对想要学习使用Keras来解决问题的同学带来帮助。这些notebooks主要是使用Python 3.6与Keras 2.1.1版本跑在一台配置Nivida 1080Ti的Windows 10的机台所产生的结果,但有些部份会参杂一些Tensorflow与其它的函式库的介绍。
配置环境:
python 3.6以上,Keras 2.1.1
资源目录:
0.图象数据集/工具介绍
0.0: COCO API解说与简单示例
0.1:土炮自制扑克牌图象数据集
0.2:使用Pillow来进行图像处理
1.Keras API示例
1.0:使用图像增强来进行深度学习
1.1:如何使用Keras函数式API进行深度学习
1.2:从零开始构建VGG网络来学习Keras
1.3:使用预训练的模型来分类照片中的物体
1.4:使用图像增强来训练小数据集
1.5:使用预先训练的卷积网络模型
1.6:卷积网络模型学习到什么的可视化
1.7:构建自动编码器(Autoencoder)
1.8:序列到序列(Seq-to-Seq)学习介绍
1.9: One-hot编码工具程序介绍
1.10:循环神经网络(RNN)介绍
1.11: LSTM的返回序列和返回状态之间的区别
1.12:用LSTM来学习英文字母表顺序
2.图像分类(Image Classification)
2.0: Julia(Chars74K)字母图像分类
2.1:交通标志图像分类
2.2:辛普森卡通图像角色分类
2.3:时尚服饰图像分类
2.4:人脸关键点辨识
2.5: Captcha验证码分类
2.6: Mnist手写图像分类(MLP)
2.7: Mnist手写图像分类(CNN)
3.目标检测(Object Recognition)
3.0: YOLO目标检测算法概念与介绍
3.1: YOLOv2目标检测示例
3.2:浣熊(Racoon)检测-YOLOv2模型训练与调整
3.3:浣熊(Racoon)检测-YOLOv2模型的使用
3.4:袋鼠(Kangaroo)检测-YOLOv2模型训练与调整
3.5:双手(Hands)检测-YOLOv2模型训练与调整
3.6:辛普森卡通图象角色(Simpson)检测-YOLOv2模型训练与调整
3.7: MS COCO图象检测-YOLOv2模型训练与调整
4.物体分割(Object Segmentation)
5.关键点检测(Keypoint Detection)
6.图象标题(Image Caption)
7.人脸检测识别(Face Detection/Recognition)
7.0:人脸检测- OpenCV(Haar特征分类器)
7.1:人脸检测- MTCNN(Multi-task Cascaded Convolutional Networks)
7.2:人脸识别-脸部检测、对齐&裁剪
7.3:人脸识别-人脸部特征提取&人脸分类器
7.4:人脸识别-转换、对齐、裁剪、特征提取与比对
7.5:脸部关键点检测(dlib)
7.6:头部姿态(Head pose)估计(dlib)
8.自然语言处理(Natural Language Processing)
8.0:词嵌入(word embeddings)介绍
8.1:使用结巴(jieba)进行中文分词
8.2: Word2vec词嵌入(word embeddings)的基本概念
8.3:使用结巴(jieba)进行歌词分析
8.4:使用gensim训练中文词向量(word2vec)
三、Pytorch
资源地址:
https://github.com/yunjey/pytorch-tutorial
资源介绍:
这个资源为深度学习研究人员提供了学习PyTorch的教程代码大多数模型都使用少于30行代码实现。 在开始本教程之前,建议先看完Pytorch官方教程。
配置环境:
python 2.7或者3.5以上,pytorch 0.4
资源目录:
1.基础知识
PyTorch基础知识
线性回归
Logistic回归
前馈神经网络
2.中级
卷积神经网络
深度残差网络
递归神经网络
双向递归神经网络
语言模型(RNN-LM)
3.高级
生成性对抗网络
变分自动编码器
神经风格转移
图像字幕(CNN-RNN)
4.工具
PyTorch中的TensorBoard
总结
TensorFlow、Keras和Pytorch是目前深度学习的主要框架,也是入门深度学习必须掌握的三大框架,但是官方文档相对内容较多,初学者往往无从下手。本人从github里搜到三个非常不错的学习资源,并对资源目录进行翻译,强烈建议初学者下载学习,这些资源包含了大量的代码示例(含数据集),个人认为,只要把以上资源运行一次,不懂的地方查官方文档,很快就能理解和运用这三大框架。
作者:黄海广
请关注和分享↓↓↓
机器学习初学者
QQ群:774999266或者654173748(二选一)
往期精彩回顾
机器学习简易入门-附推荐学习资料
机器学习初学者公众号下载资源汇总(一)
黄海广博士的github镜像下载(机器学习及深度学习资源)
吴恩达老师的机器学习和深度学习课程笔记打印版
机器学习小抄-(像背托福单词一样理解机器学习)
首发:深度学习入门宝典-《python深度学习》原文代码中文注释版及电子书
科研工作者的神器-zotero论文管理工具
机器学习的数学基础
机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件
强烈推荐的TensorFlow、Pytorch和Keras的样例资源(深度学习初学者必须收藏)相关推荐
- 控制文件夹递归深度_TensorFlow、Pytorch和Keras的样例资源(深度学习初学者必须收藏)...
TensorFlow.Keras和Pytorch是目前深度学习的主要框架,也是入门深度学习必须掌握的三大框架,但是官方文档相对内容较多,初学者往往无从下手.本人从github里搜到三个非常不错的学习资 ...
- DL框架:主流深度学习框架(TensorFlow/Pytorch/Caffe/Keras/CNTK/MXNet/Theano/PaddlePaddle)简介、多个方向比较、案例应用之详细攻略
DL框架:主流深度学习框架(TensorFlow/Pytorch/Caffe/Keras/CNTK/MXNet/Theano/PaddlePaddle)简介.多个方向比较.案例应用之详细攻略 目录 深 ...
- 怎么装python的keras库_Keras 教程: Python 深度学习终极入门指南
在这篇 Keras 教程中, 你将学到如何用 Python 建立一个卷积神经网络! 事实上, 我们将利用著名的 MNIST 数据集, 训练一个准确度超过 99% 的手写数字分类器. 开始之前, 请注意 ...
- GPU信息查看以及确认Pytorch使用了GPU计算模块进行深度学习的训练
GPU信息查看以及确认Pytorch使用了GPU计算模块进行深度学习的训练 目录 GPU信息查看以及确认Pytorch使用了GPU计算模块进行深度学习的训练 GPU基础信息查看 Pytorch是否使用 ...
- 深度学习初学者使用Keras构建和部署CNN模型
https://www.toutiao.com/a6666072496283845134/ 如果你在黑框中画一个图形.您应该从模型中得到一个预测. 恭喜!您已构建并部署了第一个CNN模型.继续尝试写出 ...
- pytorch geometric GraphSAGE代码样例reddit和ogbn_products_sage,为何subgraph_loader将sizes设成[-1]
pytorch geometric GraphSAGE代码样例reddit和ogbn_products_sage,为何subgraph_loader将sizes设成[-1] loader infere ...
- #今日论文推荐# 中国矿大团队,开发集成多尺度深度学习模型,用于 RNA 甲基化位点预测
#今日论文推荐# 中国矿大团队,开发集成多尺度深度学习模型,用于 RNA 甲基化位点预测 研究表明,通过转录后 RNA 修饰进行的表观转录组调控,对于所有种类的 RNA 都是必不可少的.准确识别 RN ...
- 【PyTorch】 99%程序员都不知道, 深度学习还能这样玩 (建议收藏)
[PyTorch] 99%程序员都不知道, 深度学习还能这样玩 概述 迁移学习 入住 GitHub 项目详解 get_data.py (获取数据) get_model (获取模型) 参数详解 使用说明 ...
- Hulu(北京)推荐算法负责人周涵宁:怎样应对基于深度学习的视频推荐系统...
本文仅用于学习和交流目的,不得用于商业目的.非商业转载请注明作译者.出处,并保留本文的原始链接:http://www.ituring.com.cn/art... 周涵宁,本科毕业于清华大学自动化系,于 ...
最新文章
- vsftpd的主配置文件是什么linux,linux下vsftpd配置文件选项详细说明
- docker安装_以简便的方式监控Docker容器中的ADF应用程序
- Python程序开发——第四章 字典与集合
- 使用verilog实现基于FPGA的TDC设计
- pku 3252 Round Numbers 组合数学 找规律+排列组合
- javascript 运算符优先级
- 【 HDU - 2594 】Simpsons’ Hidden Talents(KMP应用,求最长前缀后缀公共子串)
- 华为软件研发面试题1
- 【每日SQL打卡】​​​​​​​​​​​​​​​DAY 17丨文章浏览 II【难度中等】​
- mysql日期教程_MySQL日期函数详解
- idea自动整理代码快捷键_MDK进阶使用教程,快捷启动任意软件,自动整理格式化代码,方便代码整理可以很好 的提高效率...
- KaTeX数学公式语法
- angular报错:Maximum call stack size exceeded
- CAN和CANFD的区别总结
- pulseaudio 播放卡顿的解决方法
- 2017计算机知识竞赛题,2017年《西游记》知识竞赛试题100题附答案.doc
- 针对Object和Array深拷贝处理
- 谈谈CornerStone这个工具的使用
- 英语口语120句(zt)
- C语言使用信号量解决生产者消费者模型的同步问题
热门文章
- 洛谷 P2818 天使的起誓
- [ASP.NET Core] Static File Middleware
- 汉高澳大利亚matrix矩阵计算器
- 数据结构——HDU1312:Red and Black(DFS)
- PHP动态网页转换HTML的一个简单办法
- JavaSE(十五)——注解
- springboot不会运行gc_SpringBoot项目深度优化和Jvm调优
- Matlab | Matlab从入门到放弃(12)——基于Matlab的特征值与奇异值分解
- 计算机视觉与深度学习 | 基于DNN神经网络实现人的年龄及性别预测(代码类)
- Qt学习(七):定时器QTimer