2个基于TensorFlow的Github开源项目,1篇TensorFlow的概念和方法梳理文章

介绍 2 个非常接地气的 Github 开源项目,都是基于 TensorFlow 框架开发的,通过练习这些项目,能很快提升使用 TF 的能力,同时加深理解常用的神经网络结构。

Char-RNN-TensorFlow

Multi-language Char RNN in TensorFlow. You can use this code to generate English text, Chinese poetries and lyrics, Japanese text and text in other language.

一个基于最新版本TensorFlow的Char RNN实现。可以实现生成英文、写诗、歌词、小说、生成代码、生成日文等功能。本项目使用了 TF 中的 API: RNN, LSTM 网络,项目练习起到加深对这些网络的原理理解,同时,熟悉 TF 中训练网络的套路,对于找工作很有好处。如下为实现的诗歌,每行字数不同。

我知道 我的世界 一种解 我一直实现 语不是我 有什么(客) 我只是一口 我想想我不来 你的微笑 我说 你我你的你 只能有我 一个梦的 我说的我的 我不能再想 我的爱的手 一点有美 我们 你的我 你不会再会爱不到

还支持其他多种语言输出。项目的 Github 地址:

https://github.com/hzy46/Char-RNN-TensorFlow

机器不学习项目

该Repo内容为知乎专栏《机器不学习》的源代码,专栏地址https://zhuanlan.zhihu.com/zhaoyeyu,代码框架为:TensorFlow. 项目地址为:https://github.com/NELSONZHAO/zhihu

包含内容

1) . anna_lstm

基于RNN(LSTM)对《安娜卡列尼娜》英文文本的学习,实现一个字符级别的生成器。

文章地址:《安娜卡列尼娜》文本生成——利用TensorFlow构建LSTM模型

2). skip-gram

实现skip-gram算法的Word2Vec,基于对英文语料的训练,模型学的各个单词的嵌入向量。

文章地址:基于TensorFlow实现Skip-Gram模型

3). generate_lyrics

基于RNN实现歌词生成器。

4). basic_seq2seq

基于RNN Encoder-Decoder结构的Seq2Seq模型,实现对一个单词中字母的排序。

文章地址:从Encoder到Decoder实现Seq2Seq模型

5). denoise_auto_encoder

基于MNIST手写数据集训练了一个自编码器,并在此基础上增加卷积层实现一个卷积自编码器,从而实现对图像的降噪。

文章地址:利用卷积自编码器对图片进行降噪

6). cifar_cnn

对Kaggle上CIFAR图像分类比赛的一个实现,分别对比了KNN和卷积神经网络在数据上的表现效果。

文章地址:利用卷积神经网络处理CIFAR图像分类

7). mnist_gan

基于MNIST手写数据集,训练了一个隐层为Leaky ReLU的生成对抗网络,让模型学会自己生成手写数字。

文章地址:生成对抗网络(GAN)之MNIST数据生成

8). dcgan

基于MNIST数据集训练了一个DCGAN,加入了Batch normalization,加速模型收敛并提升新能。

文章地址:深度卷积GAN之图像生成

基于CIFAR数据集中的马的图像训练一个DCGAN生成马的图像。

9). batch_normalization_discussion

该部分代码基于MNIST手写数据集构造了一个四层的全连接层神经网络。通过改变不同参数来测试BN对于模型性能的影响。同时利用TensorFlow实现底层的batch normalization。

文章地址:Batch Normalization原理与实战

TensorFlow常用API梳理

这是一篇 CSDN 上超过80000+,点赞 70+ 的文章,它详细地对TF 中常用的概念和方法进行了整理,文章参考地址,结合着 2 个项目,更快捷地熟悉 TensorFlow 下的编程,加快对深度学习的理解和应用。

https://blog.csdn.net/lenbow/article/details/52152766

点击以下标题查看相关内容:

  • TensorFlow 入门进阶
  • 反向传播( backpropagation ),可以这样直观理解!

原文发布于微信公众号 - Python与机器学习算法频道(alg-channel)

原文发表时间:2018-04-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏智能算法

Learning to Rank 小结

一、学习排序(Learning to Rank) LTR(Learning torank)学习排序是一种监督学习(SupervisedLearnin...

4505
来自专栏超智能体

YJango:TensorFlow高层API Custom Estimator建立CNN+RNN的演示

该文是YJango:TensorFlow中层API Datasets+TFRecord的数据导入的后续。

1.3K7
来自专栏机器学习从入门到成神

XGboost数据比赛实战之调参篇(完整流程)

这一篇博客的内容是在上一篇博客Scikit中的特征选择,XGboost进行回归预测,模型优化的实战的基础上进行调参优化的,所以在阅读本篇博客之前,请先移步看一下...

3.1K8
来自专栏深度学习之tensorflow实战篇

数据预处理—剔除异常值,平滑处理,标准化(归一化)

数据预处理的主要任务如下: (1)数据清理:填写空缺值,平滑噪声数据,识别,删除孤立点,解决不一致性 (2)数据集成:集成多个数据库,数据立方体,文件 (3)数...

1.2K7
来自专栏机器之心

教程 | 利用TensorFlow和神经网络来处理文本分类问题

3417
来自专栏大数据挖掘DT机器学习

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类

我们一般用深度学习做图片分类的入门教材都是MNIST或者CIFAR-10,因为数据都是别人准备好的,有的甚至是一个函数就把所有数据都load进来了,所以跑起来...

5385
来自专栏机器之心

前端慌不慌?用深度学习自动生成HTML代码

57611
来自专栏贾老师の博客

【笔记】ejoy2d —— matrix

1304
来自专栏编程软文

前端慌不慌?用深度学习自动生成HTML代码

5386
来自专栏PaddlePaddle

【排序学习】基于Pairwise和Listwise的排序学习

导语 PaddlePaddle提供了丰富的运算单元,帮助大家以模块化的方式构建起千变万化的深度学习模型来解决不同的应用问题。这里,我们针对常见的机器学习任务,提...

2.3K8

扫码关注云+社区

领取腾讯云代金券