數十種TensorFlow實現案例匯集

EddyNealy 8年前發布 | 270K 次閱讀機器學習 TensorFlow

這是使用 TensorFlow 實現流行的機器學習算法的教程匯集。本匯集的目標是讓讀者可以輕松通過案例深入 TensorFlow。

這些案例適合那些想要清晰簡明的 TensorFlow 實現案例的初學者。本教程還包含了筆記和帶有注解的代碼。

項目地址： https://github.com/aymericdamien/TensorFlow-Examples

教程索引

0 - 先決條件

機器學習入門：

筆記： https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb
MNIST 數據集入門
筆記： https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

1 - 入門

Hello World：

基本操作：

2 - 基本模型

3 - 神經網絡

多層感知器：

卷積神經網絡：

循環神經網絡（LSTM）：

雙向循環神經網絡（LSTM）：

動態循環神經網絡（LSTM）

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

自編碼器

4 - 實用技術

保存和恢復模型

圖和損失可視化

Tensorboard——高級可視化

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

5 - 多 GPU

多 GPU 上的基本操作

數據集

一些案例需要 MNIST 數據集進行訓練和測試。不要擔心，運行這些案例時，該數據集會被自動下載下來（使用 input_data.py）。MNIST 是一個手寫數字的數據庫，查看這個筆記了解關于該數據集的描述： https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb

官方網站： http://yann.lecun.com/exdb/mnist/

教程

TFLearn 快速入門。通過一個具體的機器學習任務學習 TFLearn 基礎。開發和訓練一個深度神經網絡分類器。

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

基礎

線性回歸，使用 TFLearn 實現線性回歸： https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py
邏輯運算符。使用 TFLearn 實現邏輯運算符： https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py
權重保持。保存和還原一個模型： https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py
微調。在一個新任務上微調一個預訓練的模型： https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py
使用 HDF5。使用 HDF5 處理大型數據集： https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py
使用 DASK。使用 DASK 處理大型數據集： https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py

計算機視覺

多層感知器。一種用于 MNIST 分類任務的多層感知實現： https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py
卷積網絡（MNIST）。用于分類 MNIST 數據集的一種卷積神經網絡實現： https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py
卷積網絡（CIFAR-10）。用于分類 CIFAR-10 數據集的一種卷積神經網絡實現： https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py
網絡中的網絡。用于分類 CIFAR-10 數據集的 Network in Network 實現： https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py
Alexnet。將 Alexnet 應用于 Oxford Flowers 17 分類任務： https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py
VGGNet。將 VGGNet 應用于 Oxford Flowers 17 分類任務： https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py
VGGNet Finetuning (Fast Training)。使用一個預訓練的 VGG 網絡并將其約束到你自己的數據上，以便實現快速訓練： https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py
RNN Pixels。使用 RNN（在像素的序列上）分類圖像： https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py
Highway Network。用于分類 MNIST 數據集的 Highway Network 實現： https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py
Highway Convolutional Network。用于分類 MNIST 數據集的 Highway Convolutional Network 實現： https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py
Residual Network (MNIST) ( https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py ).。應用于 MNIST 分類任務的一種瓶頸殘差網絡（bottleneck residual network）： https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py
Residual Network (CIFAR-10)。應用于 CIFAR-10 分類任務的一種殘差網絡： https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py
Google Inception（v3）。應用于 Oxford Flowers 17 分類任務的谷歌 Inception v3 網絡： https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py
自編碼器。用于 MNIST 手寫數字的自編碼器： https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

自然語言處理

循環神經網絡（LSTM），應用 LSTM 到 IMDB 情感數據集分類任務： https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py
雙向 RNN（LSTM），將一個雙向 LSTM 應用到 IMDB 情感數據集分類任務： https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py
動態 RNN（LSTM），利用動態 LSTM 從 IMDB 數據集分類可變長度文本： https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py
城市名稱生成，使用 LSTM 網絡生成新的美國城市名： https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py
莎士比亞手稿生成，使用 LSTM 網絡生成新的莎士比亞手稿： https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py
Seq2seq，seq2seq 循環網絡的教學示例： https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_example.py
CNN Seq，應用一個 1-D 卷積網絡從 IMDB 情感數據集中分類詞序列： https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py

強化學習

Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一臺機器玩 Atari 游戲： https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py

其他

Recommender-Wide&Deep Network，推薦系統中 wide & deep 網絡的教學示例： https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py

Notebooks

Spiral Classification Problem，對斯坦福 CS231n spiral 分類難題的 TFLearn 實現： https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

可延展的 TensorFlow

層，與 TensorFlow 一起使用 TFLearn 層： https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
訓練器，使用 TFLearn 訓練器類訓練任何 TensorFlow 圖： https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
Bulit-in Ops，連同 TensorFlow 使用 TFLearn built-in 操作： https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py
Summaries，連同 TensorFlow 使用 TFLearn summarizers： https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py
Variables，連同 TensorFlow 使用 TFLearn Variables： https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py

來自：http://www.jiqizhixin.com/article/1648

本文由用戶 EddyNealy 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。

轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。

本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！

本文地址：http://www.baiduhome.net/lib/view/open1476758313725.html

機器學習 TensorFlow