Keras示例程序

Keras示例程序

addition_rnn.py:序列到序列学习,实现两个数的加法

antirectifier.py:展示了如何在Keras中定制自己的层

babi_memnn.py:在bAbI数据集上训练一个记忆网络,用于阅读理解

babi_rnn.py:在bAbI数据集上训练一个循环网络,用于阅读理解

cifar10_cnn.py:在CIFAR10数据集上训练一个简单的深度CNN网络,用于小图片识别

conv_filter_visualization.py:通过在输入空间上梯度上升可视化VGG16的滤波器

conv_lstm.py:展示了一个卷积LSTM网络的应用

deep_dream.py: Google DeepDream的Keras实现

image_ocr.py:训练了一个卷积+循环网络+CTC logloss来进行OCR

imdb_bidirectional_lstm.py:在IMDB数据集上训练一个双向LSTM网络,用于情感分类.

imdb_cnn.py:展示了如何在文本分类上如何使用Covolution1D

imdb_cnn_lstm.py:训练了一个栈式的卷积网络+循环网络进行IMDB情感分类.

imdb_fasttext.py:训练了一个FastText模型用于IMDB情感分类

imdb_lstm.py:训练了一个LSTM网络用于IMDB情感分类.

lstm_benchmark.py:在IMDB情感分类上比较了LSTM的不同实现的性能

lstm_text_generation.py:从尼采的作品中生成文本

mnist_acgan.py：AC-GAN(Auxiliary Classifier GAN)实现的示例

mnist_cnn.py:训练一个用于mnist数据集识别的卷积神经网络

mnist_hierarchical_rnn.py:训练了一个HRNN网络用于MNIST数字识别

mnist_irnn.py:重现了基于逐像素点序列的IRNN实验,文章见Le et al. “A Simple Way to Initialize Recurrent Networks of Rectified Linear Units”

mnist_mlp.py:训练了一个简单的多层感知器用于MNIST分类

mnist_net2net.py:在mnist上重现了文章中的Net2Net实验,文章为”Net2Net: Accelerating Learning via Knowledge Transfer”.

mnist_siamese_graph.py:基于MNIST训练了一个多层感知器的Siamese网络

mnist_sklearn_wrapper.py:展示了如何使用sklearn包装器

mnist_swwae.py:基于残差网络和MNIST训练了一个栈式的What-Where自动编码器

mnist_transfer_cnn.py:迁移学习的小例子

neural_doodle.py:神经网络绘画

neural_style_transfer.py:图像风格转移

pretrained_word_embeddings.py:将GloVe嵌入层载入固化的Keras Embedding层中,并用以在新闻数据集上训练文本分类模型

reuters_mlp.py:训练并评估一个简单的多层感知器进行路透社新闻主题分类

stateful_lstm.py:展示了如何使用状态RNN对长序列进行建模

variational_autoencoder.py:展示了如何搭建变分编码器