实例介绍
【实例截图】
【核心代码】
TensorFlow深度学习（带目录）-example
├── ch01-人工智能绪论
│ ├── autograd.py
│ ├── gpu_accelerate.py
│ ├── tf1.py
│ └── tf2.py
├── ch02-回归问题
│ ├── data.csv
│ ├── linear_regression.py
│ ├── 回归实战.pdf
│ └── 回归问题.pdf
├── ch03-分类问题
│ ├── forward_layer.py
│ ├── forward_tensor.py
│ ├── main.py
│ ├── 手写数字问题.pdf
│ └── 手写数字问题体验.pdf
├── ch04-TensorFlow基础
│ ├── 4.10-forward-prop.py
│ ├── Broadcasting.pdf
│ ├── MNIST数据集的前向传播训练误差曲线.png
│ ├── ch04-TensorFlow基础.ipynb
│ ├── 创建Tensor.pdf
│ ├── 前向传播.pdf
│ ├── 数学运算.pdf
│ ├── 数据类型.pdf
│ ├── 维度变换.pdf
│ ├── 索引与切片-1.pdf
│ └── 索引与切片-2.pdf
├── ch05-TensorFlow进阶
│ ├── acc_topk.py
│ ├── gradient_clip.py
│ ├── mnist_tensor.py
│ ├── 张量排序.pdf
│ ├── 张量限幅.pdf
│ ├── 数据统计.pdf
│ ├── 高阶特性.pdf
│ ├── 合并与分割.pdf
│ └── 填充与复制.pdf
├── ch06-神经网络
│ ├── auto_efficency_regression.py
│ ├── ch06-神经网络.ipynb
│ ├── forward.py
│ ├── nb.py
│ ├── 全接连层.pdf
│ ├── 误差计算.pdf
│ └── 输出方式.pdf
├── ch07-反向传播算法
│ ├── 0.梯度下降-简介.pdf
│ ├── 2.常见函数的梯度.pdf
│ ├── 2nd_derivative.py
│ ├── 3.激活函数及其梯度.pdf
│ ├── 4.损失函数及其梯度.pdf
│ ├── 5.单输出感知机梯度.pdf
│ ├── 6.多输出感知机梯度.pdf
│ ├── 7.链式法则.pdf
│ ├── 8.多层感知机梯度.pdf
│ ├── ch07-反向传播算法.ipynb
│ ├── chain_rule.py
│ ├── crossentropy_loss.py
│ ├── himmelblau.py
│ ├── mse_grad.py
│ ├── multi_output_perceptron.py
│ ├── numpy-backward-prop.py
│ ├── sigmoid_grad.py
│ └── single_output_perceptron.py
├── ch08-Keras高层接口
│ ├── 1.Metrics.pdf
│ ├── 2.Compile&Fit.pdf
│ ├── 3.自定义层.pdf
│ ├── Keras实战CIFAR10.pdf
│ ├── compile_fit.py
│ ├── keras_train.py
│ ├── layer_model.py
│ ├── metrics.py
│ ├── nb.py
│ ├── pretained.py
│ ├── save_load_model.py
│ ├── save_load_weight.py
│ └── 模型加载与保存.pdf
├── ch09-过拟合
│ ├── 9.8-over-fitting-and-under-fitting.py
│ ├── Regularization.pdf
│ ├── compile_fit.py
│ ├── dropout.py
│ ├── lenna.png
│ ├── lenna_crop.png
│ ├── lenna_crop2.png
│ ├── lenna_eras.png
│ ├── lenna_eras2.png
│ ├── lenna_flip.png
│ ├── lenna_flip2.png
│ ├── lenna_guassian.png
│ ├── lenna_perspective.png
│ ├── lenna_resize.png
│ ├── lenna_rotate.png
│ ├── lenna_rotate2.png
│ ├── misc.pdf
│ ├── regularization.py
│ ├── train_evalute_test.py
│ ├── 交叉验证.pdf
│ ├── 学习率与动量.pdf
│ └── 过拟合与欠拟合.pdf
├── ch10-卷积神经网络
│ ├── BatchNorm.pdf
│ ├── CIFAR与VGG实战.pdf
│ ├── ResNet与DenseNet.pdf
│ ├── ResNet实战.pdf
│ ├── bn_main.py
│ ├── cifar10_train.py
│ ├── nb.py
│ ├── resnet.py
│ ├── resnet18_train.py
│ ├── 什么是卷积.pdf
│ ├── 池化与采样.pdf
│ ├── 卷积神经网络.pdf
│ └── 经典卷积网络.pdf
├── ch11-循环神经网络
│ ├── LSTM.pdf
│ ├── LSTM实战.pdf
│ ├── RNN Layer使用.pdf
│ ├── nb.py
│ ├── pretrained.py
│ ├── sentiment_analysis_cell - GRU.py
│ ├── sentiment_analysis_cell - LSTM.py
│ ├── sentiment_analysis_cell.py
│ ├── sentiment_analysis_layer - GRU.py
│ ├── sentiment_analysis_layer - LSTM - pretrained.py
│ ├── sentiment_analysis_layer - LSTM.py
│ ├── sentiment_analysis_layer.py
│ ├── 循环神经网络.pdf
│ ├── 情感分类实战.pdf
│ ├── 时间序列表示.pdf
│ └── 梯度弥散与梯度爆炸.pdf
├── ch12-自编码器
│ ├── AE实战.pdf
│ ├── AutoEncoders.pdf
│ ├── autoencoder.py
│ └── vae.py
├── ch13-生成对抗网络
│ ├── GAN.pdf
│ ├── GAN实战.pdf
│ ├── dataset.py
│ ├── gan.py
│ ├── gan_train.py
│ ├── wgan.py
│ └── wgan_train.py
├── ch14-强化学习
│ ├── REINFORCE_tf.py
│ ├── a3c_tf_cartpole.py
│ ├── dqn_tf.py
│ └── ppo_tf_cartpole.py
└── ch15-自定义数据集
├── pokemon.py
├── resnet.py
├── train_scratch.py
├── train_transfer.py
└── 宝可梦数据集.pdf
15 directories, 142 files
标签： tensorflow 深度学习 flow RF en
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论