深度学习代码实战演示_Tensorflow_卷积神经网络CNN_循环神经网络RNN_长短时记忆网络LSTM_对抗生成网络GAN

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/missyougoon/article/details/90368727

前言

经过大半年断断续续的学习和实践,终于将深度学习的基础知识看完了,虽然还有很多比较深入的内容没有涉及到,但也是感觉收获满满。因为是断断续续的学习做笔记写代码跑实验,所以笔记也零零散散的散落在每个角落,查询起来也非常不便,因此这里再做一个目录进行汇总一下,一来,可以方便自己以后查看,二来,也希望能够帮助到需要同学们。
格言:时间就像一张网,网撒在哪里,收获就在哪里。
一起加油 😄

环境配置

在所有的博文中都忘记了添加系统环境配置信息,那就在这里统一写一下:

  1. 系统环境:ubuntu 16.04
  2. 语言版本:python 3.5
  3. 深度框架:Tensorflow-gpu 1.2.0
  4. cuda版本:8.0
  5. GPU:1080 TI

序言

以下链接,基本涵盖了所有主流的神经网络,包括:

  1. 卷积神经网络CNN
  2. 循环神经网络RNN
  3. 长短时记忆网络LSTM
  4. 对抗生成网络GAN
    同时,根据不同的网络进行了几个实战项目,包括:
  5. 图像风格迁移算法
  6. 手写数字图像生成算法
  7. 中文文本分类算法
  8. 图像生成描述算法

一、神经网络初探

CIFAR-10数据集目录结构以及数据组织格式
使用单个神经元实现二分类
使用单层神经网络实现十分类

二、CNN代码实战

使用VGG实现十分类
使用Resnet实现十分类
使用Inception实现十分类
使用Mobilenet实现十分类
使用Resnet实现十分类(改进版)
使用Mobilenet实现十分类(改进版)

三、卷积网络优化

tensorboard的使用方法
Tensorflow保存和恢复模型的方法
图像增强(augmentation)的几个方法
tf.layers.batch_normalization()的使用方法

四、图像风格迁移实战

基于Tensorflow的图像风格迁移代码实现

五、探讨:CNN的黑箱里到底发生了什么?

Tensorflow+VGG16实现卷积神经网络特征图可视化

六、深度卷积对抗生成网络(DCGAN)

DCGAN由随机向量生成手写数字

七、LSTM解决时间序列问题

使用LSTM实现中文文本分类(1)
使用LSTM实现中文文本分类(2)
手动编写LSTM内部结构实现中文文本分类
构建LSTM模型使用到的API方法介绍

八、CNN同样可以文本分类

使用Char-CNN实现中文文本分类(1)
使用Char-CNN实现中文文本分类(2)

九、看图说话:从图像到生成文本描述

图像生成文本实现(1)flickr30k数据集介绍
图像生成文本(2)词表词频的构建
图像生成文本(3)图像特征的提取
图像生成文本(4)计算图设计以及训练流程

展开阅读全文

没有更多推荐了,返回首页