常见25种深度学习模型的github代码

1 Feed forward neural networks (FF or FFNN) and perceptrons (P)

前馈神经网络和感知机，信息从前（输入）往后（输出）流动，一般用反向传播（BP）来训练。算是一种监督学习。

对应的代码https://github.com/danijar/layered

https://github.com/civisanalytics/muffnn

2 Radial basis function (RBF)

径向基函数网络，是一种径向基函数作为激活函数的FFNNs（前馈神经网络）。

对应的代码https://github.com/eugeniashurko/rbfnnpy

3 Hopfield network (HN)

Hopfield网络，是一种每个神经元都跟其它神经元相连接的神经网络。

对应的代码https://github.com/yosukekatada/Hopfield_network

4 Markov chains (MC or discrete time Markov Chain, DTMC)

马尔可夫链或离散时间马尔可夫链，算是BMs和HNs的雏形。

对应的代码Markov chains：https://github.com/jsvine/markovify

DTMC：https://github.com/AndrewWalker/dtmc

6 Restricted Boltzmann machines (RBM)

受限玻尔兹曼机，和玻尔兹曼机以及Hopfield网络都比较类似。

对应的代码https://github.com/echen/restricted-boltzmann-machines

7 Autoencoders (AE)

自动编码，和FFNN有些类似，它更像是FFNN的另一种用法，而不是本质上完全不同的另一种架构。

对应的代码https://github.com/caglar/autoencoders/blob/master/ae.py

8 Sparse autoencoders (SAE)

稀疏自动编码，跟自动编码在某种程度比较相反。

对应的代码https://github.com/caglar/autoencoders/blob/master/sa.py

9 Variational autoencoders (VAE)

变分自动编码，和AE架构相似，不同的是：输入样本的一个近似概率分布。这使得它跟BM、RBM更相近。

对应的代码https://github.com/mattjj/svae

10 Denoising autoencoders (DAE)

去噪自动编码，也是一种自编码机，它不仅需要训练数据，还需要带噪音的训练数据。对应对应的代码https://github.com/caglar/autoencoders/blob/master/da.py

11 Deep belief networks (DBN）

深度信念网络，由多个受限玻尔兹曼机或变分自动编码堆砌而成。

对应的代码https://github.com/albertbup/deep-belief-network

12 Convolutional neural networks (CNN or deep convolutional neural networks, DCNN)

卷积神经网络

对应的代码：

CNN：https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch/blob/master/models/model_CNN.py

DCNN：https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch/blob/master/models/model_DeepCNN.py

13 Deconvolutional networks (DN)

去卷积网络，又叫逆图形网络，是一种逆向的卷积神经网络。

对应的代码https://github.com/ifp-uiuc/anna

14Deep convolutional inverse graphics networks (DCIGN)

深度卷积逆向图网络，实际上是VAE，且分别用CNN、DNN来作编码和解码。

对应的代码https://github.com/yselivonchyk/TensorFlow_DCIGN

15 Generative adversarial networks (GAN)

生成对抗网络，Goodfellow的封神之作

对应的代码https://github.com/devnag/pytorch-generative-adversarial-networks

16 Recurrent neural networks (RNN)

循环神经网络，这个更不用解释，做语音、NLP的没有人不知道，甚至非AI相关人员也知道。

对应的代码https://github.com/farizrahman4u/recurrentshop

17 Long / short term memory (LSTM)

长短期记忆网络，RNN的变种，解决梯度消失/爆炸的问题，也不用解释，这几年刷爆各大顶会。

对应的代码https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch/blob/master/models/model_LSTM.py

18 Gated recurrent units (GRU)

门循环单元，类似LSTM的定位，算是LSTM的简化版。

对应的代码https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch/blob/master/models/model_GRU.py

19 Neural Turing machines (NTM)

神经图灵机，LSTM的抽象，以窥探LSTM的内部细节。具有读取、写入、修改状态的能力。

对应的代码https://github.com/MarkPKCollier/NeuralTuringMachine

20 Bidirectional recurrent neural networks, bidirectional long / short term memory networks and bidirectional gated recurrent units (BiRNN, BiLSTM and BiGRU respectively)

双向循环神经网络、双向长短期记忆网络和双向门控循环单元，把RNN、双向的LSTM、GRU双向，不再只是从左到右，而是既有从左到右又有从右到左。

对应的代码：

BiLSTM：https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch/blob/master/models/model_BiLSTM.py

BiGRU：https://github.com/bamtercelboo/cnn-lstm-bilstm-deepcnn-clstm-in-pytorch/blob/master/models/model_BiGRU.py

21 Deep residual networks (DRN)

深度残差网络，是非常深的FFNN，它可以把信息从某一层传至后面几层（通常2-5层）。

对应的代码https://github.com/KaimingHe/deep-residual-networks

22 Echo state networks (ESN)

回声状态网络，是另一种不同类型的（循环）网络。

对应的代码https://github.com/m-colombo/Tensorflow-EchoStateNetwork

23 Extreme learning machines (ELM)

极限学习机，本质上是随机连接的FFNN。

对应的代码https://github.com/dclambert/Python-ELM

24 Liquid state machines (LSM)

液态机，跟ESN类似，区别是用阈值激活函数取代了sigmoid激活函数。

对应的代码https://github.com/kghose/Liquid

25 Support vector machines (SVM)

支持向量机，入门机器学习的人都知道

对应的代码https://github.com/ajtulloch/svmpy

26 Kohonen networks (KN, also self organising (feature) map, SOM, SOFM)

Kohonen 网络，也称之为自组织（特征）映射。

对应的代码KN/SOM：https://github.com/mljs/som

常见25种深度学习模型的github代码相关推荐

基于web端和C++的两种深度学习模型部署方式
深度学习Author:louwillMachine Learning Lab 本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基... 深度学习 Author:l ...
【NLP-NER】命名实体识别中最常用的两种深度学习模型
命名实体识别(Named Entity Recognition,NER)是NLP中一项非常基础的任务.NER是信息提取.问答系统.句法分析.机器翻译等众多NLP任务的重要基础工具. 上一期我们介绍了N ...
【深度学习】基于web端和C++的两种深度学习模型部署方式
深度学习 Author:louwill Machine Learning Lab 本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基于C++软件集成的方式进行部署 ...
【文本分类】常见文本分类深度学习模型汇总
在深度学习被广泛用于NLP之前,文本分类任务的常见pipeline为: (1)人工/半自动特征抽取:包括one-hot编码.count features.TF-IDF.词性/句法信息等等 (2)分类器 ...
pytorch基于web端和C++的两种深度学习模型部署方式
本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基于C++软件集成的方式进行部署. 基于web服务端的模型部署,主要是通过REST API的形式来提供接口方便调用 ...
在英特尔硬件上部署深度学习模型的无代码方法 OpenVINO 深度学习工作台的三部分系列文章 - CPU AI 第一部
作者 Taylor, Mary, 翻译李翊玮关于该系列了解如何转换.微调和打包推理就绪的 TensorFlow 模型,该模型针对英特尔®硬件进行了优化,仅使用 Web 浏览器.每一步都在云中使用 ...
主流的25个深度学习模型
深度学习发展很快,新的模型层出不穷,所以要想全部列举是不可能的.另外,很多模型都是这里提出很长很长时间了,所以也不是说"老"模型就没用,大家学习的话,还是要全面而深入的学习. 1. ...
在英特尔硬件上部署深度学习模型的无代码方法关于OpenVINO深度学习工作台的三部分系列第二部
作者 Taylor, Mary, 翻译李翊玮关于 OpenVINO™ 深度学习工作台的三部分系列文章关于该系列了解如何转换.微调和打包推理就绪的 TensorFlow 模型,该模型针对英特尔 ...
在英特尔硬件上部署深度学习模型的无代码方法 OpenVINO 深度学习工作台的三部分系列 - CPU AI 第二部
作者 Taylor, Mary, 翻译李翊玮关于该系列了解如何转换.微调和打包推理就绪的 TensorFlow 模型,该模型针对英特尔®硬件进行了优化,仅使用 Web 浏览器.每一步都在云中使 ...

常见25种深度学习模型的github代码

常见25种深度学习模型的github代码相关推荐

最新文章

热门文章