GitHub - hzy46/Deep-Learning-21-Examples: 《21个项目玩转深度学习———基于TensorFlo...
source link: https://github.com/hzy46/Deep-Learning-21-Examples
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
README.md
Deep-Learning-21-Examples
本工程是《21个项目玩转深度学习———基于TensorFlow的实践详解》的配套代码，代码推荐的运行环境为：Ubuntu 14.04，Python 2.7、TensorFlow >= 1.4.0。请尽量使用类UNIX系统和Python 2运行本书的代码。
欢迎有兴趣的同学猛戳下面的链接购买：
写作这本书的初衷是希望提供一个深度学习实践案例的合集，让每个人都可以在“动手实验”的过程中，比较轻松地掌握深度学习和TensorFlow的使用技巧，并且能完整地做出一些有意思的项目。希望大家能在实践的过程中找到乐趣，如果有任何问题，欢迎通过issues提出纠错或改进建议。
快速指引
以下是各章代码详细的运行方法：
- MNIST机器学习入门
- CIFAR-10与ImageNet图像识别
- 打造自己的图像识别模型
- Deep Dream
- 深度学习中的目标检测
- 人脸检测和人脸识别
- 图像风格迁移
- GAN与DCGAN入门
- pix2pix模型与自动上色技术
- 超分辨率：让图像变得更清晰
- CycleGAN与非配对图像转换
- RNN基本结构与Char RNN文本生成
- 序列分类问题详解
- 词的向量表示：word2vec与词嵌入
- 在TensorFlow中进行时间序列预测
- 神经网络机器翻译技术
- 看图说话：将图像转换为文字
- 强化学习入门之Q Learning
- 强化学习入门之SARSA算法
- 深度强化学习：Deep Q Learning
- 策略梯度（Policy Gradient）算法
本书包含的项目主要有三部分：第1～11章主要介绍CNN相关的项目，其中8~11章为GAN模型和它的几个重要变体；第12～17章主要介绍RNN、LSTM 相关的项目；第18～21章主要介绍强化学习相关的项目。
各章data文件夹下载地址
本工程主要包含的是项目的源代码文件，以chapter_1/ ~ chapter_21/ 标识。在有的章节中，还会额外需要一些数据集、模型等文件，我们用chapter_<章节名>_data/来表示。
例如：第四章有chapter_4/和chapter_4_data/两个文件夹，前者是源代码，后者是在运行程序时会用的数据文件。
由于数据文件通常比较大，建议读者在用到时候再进行下载，下载地址为：https://pan.baidu.com/s/1i7pKvFf，提取码：1kmf。
其他链接
- 意见反馈邮箱：hzydl21 [at] 163.com
- 我的专栏博客：AI Insight
致谢
感谢电子工业出版社的孙学瑛女士和宋亚东先生为本书付出的努力，同时也感谢刘婧源同学给本书的宝贵建议。本书对于来自于网络的代码，在书中和配套代码的Readme文件中，均作了引用说明，在此也对原作者表示深深的感谢。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK