Tensorflow经典案例

短命女 2022-06-04 05:25 200阅读 0赞

Tensorflow安装（jupyter notebook）可参考：

http://blog.csdn.net/gobitan/article/details/52826420

http://blog.csdn.net/tina\_ttl/article/details/51762471

Tensorflow简单入门可参考：

http://blog.csdn.net/toormi/article/details/53609245

第一步：给TF新手的教程指南

[原文][Link 1]

1：tf初学者需要明白的入门准备

*  机器学习入门笔记：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0\_Prerequisite/ml\_introduction.ipynb

*  MNIST 数据集入门笔记

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0\_Prerequisite/mnist\_dataset\_intro.ipynb

2：tf初学者需要了解的入门基础

*  Hello World

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1\_Introduction/helloworld.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1\_Introduction/helloworld.py

*  基本操作

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/1\_Introduction/basic\_operations.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/1\_Introduction/basic\_operations.py

3：tf初学者需要掌握的基本模型

*  最近邻：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2\_BasicModels/nearest\_neighbor.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2\_BasicModels/nearest\_neighbor.py

*  线性回归：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2\_BasicModels/linear\_regression.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2\_BasicModels/linear\_regression.py

*  Logistic 回归：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/2\_BasicModels/logistic\_regression.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/2\_BasicModels/logistic\_regression.py

4：tf初学者需要尝试的神经网络

*  多层感知器：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3\_NeuralNetworks/multilayer\_perceptron.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3\_NeuralNetworks/multilayer\_perceptron.py

*  卷积神经网络：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3\_NeuralNetworks/convolutional\_network.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3\_NeuralNetworks/convolutional\_network.py

*  循环神经网络（LSTM）：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3\_NeuralNetworks/recurrent\_network.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3\_NeuralNetworks/recurrent\_network.py

*  双向循环神经网络（LSTM）：

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3\_NeuralNetworks/bidirectional\_rnn.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3\_NeuralNetworks/bidirectional\_rnn.py

*  动态循环神经网络（LSTM）

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3\_NeuralNetworks/dynamic\_rnn.py

*  自编码器

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3\_NeuralNetworks/autoencoder.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3\_NeuralNetworks/autoencoder.py

5：tf初学者需要精通的实用技术

*  保存和恢复模型

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4\_Utils/save\_restore\_model.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4\_Utils/save\_restore\_model.py

*  图和损失可视化

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/4\_Utils/tensorboard\_basic.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4\_Utils/tensorboard\_basic.py

*  Tensorboard——高级可视化

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4\_Utils/tensorboard\_advanced.py

5：tf初学者需要的懂得的多GPU基本操作

*  多 GPU 上的基本操作

> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/5\_MultiGPU/multigpu\_basics.ipynb
> 
> https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/5\_MultiGPU/multigpu\_basics.py

6：案例需要的数据集

有一些案例需要 MNIST 数据集进行训练和测试。运行这些案例时，该数据集会被自动下载下来（使用 input\_data.py）。

> MNIST数据集笔记：https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0\_Prerequisite/mnist\_dataset\_intro.ipynb
> 
> 官方网站：http://yann.lecun.com/exdb/mnist/

第二步：为TF新手准备的各个类型的案例、模型和数据集

初步了解：TFLearn TensorFlow

接下来的示例来自TFLearn，这是一个为 TensorFlow 提供了简化的接口的库。里面有很多示例和预构建的运算和层。

使用教程：TFLearn 快速入门。通过一个具体的机器学习任务学习 TFLearn 基础。开发和训练一个深度神经网络分类器。

> TFLearn地址：https://github.com/tflearn/tflearn
> 
> 示例：https://github.com/tflearn/tflearn/tree/master/examples
> 
> 预构建的运算和层：http://tflearn.org/doc\_index/\#api

> 笔记：https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md

基础模型以及数据集

*  线性回归，使用 TFLearn 实现线性回归

> https://github.com/tflearn/tflearn/blob/master/examples/basics/linear\_regression.py

*  逻辑运算符。使用 TFLearn 实现逻辑运算符

> https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py

*  权重保持。保存和还原一个模型

> https://github.com/tflearn/tflearn/blob/master/examples/basics/weights\_persistence.py

*  微调。在一个新任务上微调一个预训练的模型

> https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py

*  使用 HDF5。使用 HDF5 处理大型数据集

> https://github.com/tflearn/tflearn/blob/master/examples/basics/use\_hdf5.py

*  使用 DASK。使用 DASK 处理大型数据集

> https://github.com/tflearn/tflearn/blob/master/examples/basics/use\_dask.py

计算机视觉模型及数据集

*  多层感知器。一种用于 MNIST 分类任务的多层感知实现

> https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

*  卷积网络（MNIST）。用于分类 MNIST 数据集的一种卷积神经网络实现

> https://github.com/tflearn/tflearn/blob/master/examples/images/convnet\_mnist.py

*  卷积网络（CIFAR-10）。用于分类 CIFAR-10 数据集的一种卷积神经网络实现

> https://github.com/tflearn/tflearn/blob/master/examples/images/convnet\_cifar10.py

*  网络中的网络。用于分类 CIFAR-10 数据集的 Network in Network 实现

> https://github.com/tflearn/tflearn/blob/master/examples/images/network\_in\_network.py

*  Alexnet。将 Alexnet 应用于 Oxford Flowers 17 分类任务

> https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py

*  VGGNet。将 VGGNet 应用于 Oxford Flowers 17 分类任务

> https://github.com/tflearn/tflearn/blob/master/examples/images/vgg\_network.py

*  VGGNet Finetuning (Fast Training)。使用一个预训练的 VGG 网络并将其约束到你自己的数据上，以便实现快速训练

> 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）分类图像

> https://github.com/tflearn/tflearn/blob/master/examples/images/rnn\_pixels.py

*  Highway Network。用于分类 MNIST 数据集的 Highway Network 实现

> https://github.com/tflearn/tflearn/blob/master/examples/images/highway\_dnn.py

*  Highway Convolutional Network。用于分类 MNIST 数据集的 Highway Convolutional Network 实现

> https://github.com/tflearn/tflearn/blob/master/examples/images/convnet\_highway\_mnist.py

*  Residual Network (MNIST) 。应用于 MNIST 分类任务的一种瓶颈残差网络（bottleneck residual network）

> https://github.com/tflearn/tflearn/blob/master/examples/images/residual\_network\_mnist.py

*  Residual Network (CIFAR-10)。应用于 CIFAR-10 分类任务的一种残差网络

> https://github.com/tflearn/tflearn/blob/master/examples/images/residual\_network\_cifar10.py

*  Google Inception（v3）。应用于 Oxford Flowers 17 分类任务的谷歌 Inception v3 网络

> https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py

*  自编码器。用于 MNIST 手写数字的自编码器

> https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py

自然语言处理模型及数据集

*  循环神经网络（LSTM），应用 LSTM 到 IMDB 情感数据集分类任

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py

*  双向 RNN（LSTM），将一个双向 LSTM 应用到 IMDB 情感数据集分类任务：

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional\_lstm.py

*  动态 RNN（LSTM），利用动态 LSTM 从 IMDB 数据集分类可变长度文本：

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic\_lstm.py

*  城市名称生成，使用 LSTM 网络生成新的美国城市名：

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm\_generator\_cityname.py

*  莎士比亚手稿生成，使用 LSTM 网络生成新的莎士比亚手稿：

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm\_generator\_shakespeare.py

*  Seq2seq，seq2seq 循环网络的教学示例：

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq\_example.py

*  CNN Seq，应用一个 1-D 卷积网络从 IMDB 情感数据集中分类词序列

> https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn\_sentence\_classification.py

强化学习案例

*  Atari Pacman 1-step Q-Learning，使用 1-step Q-learning 教一台机器玩 Atari 游戏：

> https://github.com/tflearn/tflearn/blob/master/examples/reinforcement\_learning/atari\_1step\_qlearning.py

第三步：为TF新手准备的其他方面内容

*  Recommender-Wide&Deep Network，推荐系统中 wide & deep 网络的教学示例：

> https://github.com/tflearn/tflearn/blob/master/examples/others/recommender\_wide\_and\_deep.py

*  Spiral Classification Problem，对斯坦福 CS231n spiral 分类难题的 TFLearn 实现：

> https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb

*  层，与 TensorFlow 一起使用 TFLearn 层：

> https://github.com/tflearn/tflearn/blob/master/examples/extending\_tensorflow/layers.py

*  训练器，使用 TFLearn 训练器类训练任何 TensorFlow 图：

> https://github.com/tflearn/tflearn/blob/master/examples/extending\_tensorflow/layers.py

*  Bulit-in Ops，连同 TensorFlow 使用 TFLearn built-in 操作：

> https://github.com/tflearn/tflearn/blob/master/examples/extending\_tensorflow/builtin\_ops.py

*  Summaries，连同 TensorFlow 使用 TFLearn summarizers：

> https://github.com/tflearn/tflearn/blob/master/examples/extending\_tensorflow/summaries.py

*  Variables，连同 TensorFlow 使用 TFLearn Variables：

> https://github.com/tflearn/tflearn/blob/master/examples/extending\_tensorflow/variables.py

[Link 1]: http://mp.weixin.qq.com/s/HtNhe-G9SN0qiZk6iqRKVA

Tensorflow经典案例

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 MySQL经典案例分析_mysql经典案例分析

相关 SQL经典查询案例

相关 Tensorflow经典案例

相关函数递归经典案例

相关 tensorflow serving java案例

相关 MySq（十六）经典案例

相关 python matploitlib 经典案例

相关 Echarts 经典案例(Flask + Echarts)

相关 keras-cnn经典案例

相关 TensorFlow MNIST案例代码