乾貨 | TensorFlow的55個經典案例

導語: 本文是TensorFlow實現流行機器學習演算法的教程彙集,目標是讓讀者可以輕鬆通過清晰簡明的案例深入了解 TensorFlow。這些案例適合那些想要實現一些 TensorFlow 案例的初學者。本教程包含還包含筆記和帶有註解的代碼。

第一步:給TF新手的教程指南

1:tf初學者需要明白的入門準備

  • 機器學習入門筆記:

aymericdamien/TensorFlow-Examples

  • MNIST 數據集入門筆記

aymericdamien/TensorFlow-Examples

2:tf初學者需要了解的入門基礎

  • Hello World

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 基本操作

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

3:tf初學者需要掌握的基本模型

  • 最近鄰:

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 線性回歸:

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • Logistic 回歸:

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

4:tf初學者需要嘗試的神經網路

  • 多層感知器:

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 卷積神經網路:

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 循環神經網路(LSTM):

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 雙向循環神經網路(LSTM):

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 動態循環神經網路(LSTM)

github.com/aymericdamie

  • 自編碼器

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

5:tf初學者需要精通的實用技術

  • 保存和恢復模型

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • 圖和損失可視化

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

  • Tensorboard——高級可視化

github.com/aymericdamie

6:tf初學者需要的懂得的多GPU基本操作

  • 多 GPU 上的基本操作

aymericdamien/TensorFlow-Examplesgithub.com/aymericdamie

7:案例需要的數據集

有一些案例需要 MNIST 數據集進行訓練和測試。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數據集筆記:aymericdamien/TensorFlow-Examples

官方網站: MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

第二步:為TF新手準備的各個類型的案例、模型和數據集

初步了解:TFLearn TensorFlow

接下來的示例來自TFLearn,這是一個為 TensorFlow 提供了簡化的介面的庫。裡面有很多示例和預構建的運算和層。

使用教程:

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路分類器。

TFLearn地址:tflearn/tflearn

示例:tflearn/tflearn

預構建的運算和層:Index - TFLearn

筆記:tflearn/tflearn

基礎模型以及數據集

  • 線性回歸,使用 TFLearn 實現線性回歸

github.com/tflearn/tfle

  • 邏輯運算符。使用 TFLearn 實現邏輯運算符

github.com/tflearn/tfle

  • 權重保持。保存和還原一個模型

github.com/tflearn/tfle

  • 微調。在一個新任務上微調一個預訓練的模型

github.com/tflearn/tfle

  • 使用 HDF5。使用 HDF5 處理大型數據集

github.com/tflearn/tfle

  • 使用 DASK。使用 DASK 處理大型數據集

github.com/tflearn/tfle

計算機視覺模型及數據集

  • 多層感知器。一種用於 MNIST 分類任務的多層感知實現

github.com/tflearn/tfle

  • 卷積網路(MNIST)。用於分類 MNIST 數據集的一種卷積神經網路實現

github.com/tflearn/tfle

  • 卷積網路(CIFAR-10)。用於分類 CIFAR-10 數據集的一種卷積神經網路實現

github.com/tflearn/tfle

  • 網路中的網路。用於分類 CIFAR-10 數據集的 Network in Network 實現

github.com/tflearn/tfle

  • Alexnet。將 Alexnet 應用於 Oxford Flowers 17 分類任務

github.com/tflearn/tfle

  • VGGNet。將 VGGNet 應用於 Oxford Flowers 17 分類任務

github.com/tflearn/tfle

  • VGGNet Finetuning (Fast Training)。使用一個預訓練的 VGG 網路並將其約束到你自己的數據上,以便實現快速訓練

github.com/tflearn/tfle

  • RNN Pixels。使用 RNN(在像素的序列上)分類圖像

github.com/tflearn/tfle

  • Highway Network。用於分類 MNIST 數據集的 Highway Network 實現

github.com/tflearn/tfle

  • Highway Convolutional Network。用於分類 MNIST 數據集的 Highway Convolutional Network 實現

github.com/tflearn/tfle

  • Residual Network (MNIST) 。應用於 MNIST 分類任務的一種瓶頸殘差網路(bottleneck residual network)

github.com/tflearn/tfle

  • Residual Network (CIFAR-10)。應用於 CIFAR-10 分類任務的一種殘差網路

github.com/tflearn/tfle

  • Google Inception(v3)。應用於 Oxford Flowers 17 分類任務的谷歌 Inception v3 網路

github.com/tflearn/tfle

  • 自編碼器。用於 MNIST 手寫數字的自編碼器

github.com/tflearn/tfle

自然語言處理模型及數據集

  • 循環神經網路(LSTM),應用 LSTM 到 IMDB 情感數據集分類任

github.com/tflearn/tfle

  • 雙向 RNN(LSTM),將一個雙向 LSTM 應用到 IMDB 情感數據集分類任務:

github.com/tflearn/tfle

  • 動態 RNN(LSTM),利用動態 LSTM 從 IMDB 數據集分類可變長度文本:

github.com/tflearn/tfle

  • 城市名稱生成,使用 LSTM 網路生成新的美國城市名:

github.com/tflearn/tfle

  • 莎士比亞手稿生成,使用 LSTM 網路生成新的莎士比亞手稿:

github.com/tflearn/tfle

  • Seq2seq,seq2seq 循環網路的教學示例:

github.com/tflearn/tfle

  • CNN Seq,應用一個 1-D 卷積網路從 IMDB 情感數據集中分類詞序列

github.com/tflearn/tfle

強化學習案例

  • Atari Pacman 1-step Q-Learning,使用 1-step Q-learning 教一台機器玩 Atari 遊戲:

github.com/tflearn/tfle

第三步:為TF新手準備的其他方面內容

  • Recommender-Wide&Deep Network,推薦系統中 wide & deep 網路的教學示例:

github.com/tflearn/tfle

  • Spiral Classification Problem,對斯坦福 CS231n spiral 分類難題的 TFLearn 實現:

tflearn/tflearn

  • 與 TensorFlow 一起使用 TFLearn 層:

github.com/tflearn/tfle

  • 訓練器,使用 TFLearn 訓練器類訓練任何 TensorFlow 圖:

github.com/tflearn/tfle

  • Bulit-in Ops,連同 TensorFlow 使用 TFLearn built-in 操作:

github.com/tflearn/tfle

  • Summaries,連同 TensorFlow 使用 TFLearn summarizers:

github.com/tflearn/tfle

  • Variables,連同 TensorFlow 使用 TFLearn Variables:

github.com/tflearn/tfle

轉載自:乾貨 | TensorFlow的55個經典案例

文中提供的網頁鏈接,均來自於網路,如有問題,請站內告知。

轉載請先獲得作者 BigQuant 同意!

推薦閱讀:

機器學習 | 更進一步,用評估器給花卉分類
機器學習基礎:線性回歸
深度學習框架跑分測驗(TensorFlow/Caffe/MXNet/Keras/PyTorch)
深度卷積GAN之圖像生成

TAG:机器学习 | 深度学习DeepLearning | TensorFlow |