リード:この記事では、チュートリアルのコレクションの目標を達成するためのアルゴリズムを学習TensorFlow人気のマシンはケースTensorFlowの明確かつ簡潔な理解を通じて簡単に読者を作ることです。いくつかのTensorFlowケースを達成したい初心者に適したこれらの例。ガイドは、さらにノートや注釈でタグを含んで含まれています。
最初のステップ:チュートリアルガイドTF初心者へ
1:TF初心者入門する前に理解する必要があります
-
機械学習入門ノート:
https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/ml_introduction.ipynb
-
MNISTデータセットのエントリーノート
https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb
2:TF初心者が知っておく必要がありますスタートの基礎を
-
こんにちは世界
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初心者には習得する必要がある基本的なモデルを
-
最寄りの隣人:
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
-
線形回帰:
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
-
ロジスティック回帰:
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の初心者は、ニューラルネットワークを試してみる必要があります
-
多層パーセプトロン:
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
-
コンボリューションニューラルネットワーク:
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
-
リカレントニューラルネットワーク(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
-
双方向リカレントニューラルネットワーク(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
-
ダイナミックリカレントニューラルネットワーク(LSTM)
https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py
-
エンコーダから
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:実践的アプローチtfの初心者が熟達している必要が
-
モデルの保存と復元
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
-
図視力低下と
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--高度な可視化
https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/4_Utils/tensorboard_advanced.py
5:トン初心者FマルチGPUの基本的な操作を理解する必要があります
-
マルチGPUの基本操作
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:ケースに必要なデータ・セット
いくつかの例はMNISTトレーニングとテストデータセットを必要とします。あなたはこれらの例を実行すると、データセットは、(input_data.pyを使用して)自動的にダウンロードされます。
MNISTデータセットのメモします。https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/0_Prerequisite/mnist_dataset_intro.ipynb
公式サイト:のhttp://yann.lecun.com/exdb/mnist/
ステップ2:にTFの初心者準ケースの準備、モデルとデータセットの各タイプ
知ってもらう:TFLearn TensorFlow
単純インタフェースライブラリTensorFlowを提供TFLearn、から次の例。そこに多くの実施例及び運用の層があり、事前に構築されました。
チュートリアル:TFLearnクイックスタート。特定の機械学習タスクによってTFLearnの基礎を学びます。ニューラルネットワーク分類器の深さを開発し、訓練します。
TFLearnアドレスします。https://github.com/tflearn/tflearn
例:HTTPS://github.com/tflearn/tflearn/tree/master/examples
前層の構築・運用します。http://tflearn.org/doc_index/#api
注:HTTPS://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md
ベースモデルとデータセット
-
線形回帰、線形回帰はTFLearnを使用して達成しました
https://github.com/tflearn/tflearn/blob/master/examples/basics/linear_regression.py
-
論理演算子。TFLearnは、論理演算子を使用して実装しました
https://github.com/tflearn/tflearn/blob/master/examples/basics/logical.py
-
重量保持。保存したモデルを復元
https://github.com/tflearn/tflearn/blob/master/examples/basics/weights_persistence.py
-
微調整。微調整に新しいタスク事前に訓練されたモデルに
https://github.com/tflearn/tflearn/blob/master/examples/basics/finetuning.py
-
使用HDF5。HDF5を使用して大規模なデータセットを処理
https://github.com/tflearn/tflearn/blob/master/examples/basics/use_hdf5.py
-
使用DASK。DASKを使用して大規模なデータセットを処理
https://github.com/tflearn/tflearn/blob/master/examples/basics/use_dask.py
コンピュータビジョンのモデルとデータセット
-
多層パーセプトロン。達成するための知覚のMNIST分類タスクのためのマルチレイヤ
https://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py
-
コンボリューション・ネットワーク(MNIST)。データセットを分類するための畳み込みニューラルネットワークの一種でMNISTを達成しました
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_mnist.py
-
畳み込みネットワーク(CIFAR-10)。達成するための分類CIFAR-10データ・セットの畳み込みニューラルネットワークの一種
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py
-
ネットワークのネットワーク。CIFAR-10は、ネットワークに実装されているデータセットを分類するためのネットワーク
https://github.com/tflearn/tflearn/blob/master/examples/images/network_in_network.py
-
Alexnet。Alexnetはオックスフォードの花17個の分類タスクを適用しました
https://github.com/tflearn/tflearn/blob/master/examples/images/alexnet.py
-
VGGNet。VGGNetはオックスフォードの花17個の分類タスクを適用しました
https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network.py
-
VGGNet Finetuning(高速トレーニング)。急速な訓練を達成するために、事前に訓練されたVGGネットワークを使用し、独自のデータに制約
https://github.com/tflearn/tflearn/blob/master/examples/images/vgg_network_finetuning.py
-
RNNピクセル。使用RNN(配列の画素)分類画像
https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py
-
高速道路ネットワーク。高速道路ネットワークがMNISTを達成するための分類データセットに使用しました
https://github.com/tflearn/tflearn/blob/master/examples/images/highway_dnn.py
-
ハイウェイ畳み込みネットワーク。MNISTを達成するために、データ・セットを分類するための高速道路畳み込みネットワーク
https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_highway_mnist.py
-
残留ネットワーク(MNIST)。分類タスクMNIST残留ネットワークのボトルネックに適用される(残留ネットワークのボトルネック)
https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_mnist.py
-
残留ネットワーク(CIFAR-10)。残留ネットワークの分類タスクに使用CIFAR-10
https://github.com/tflearn/tflearn/blob/master/examples/images/residual_network_cifar10.py
-
Googleのインセプション(V3)。オックスフォードの花17は、分類タスクグーグルインセプションv3のネットワークに適用されます
https://github.com/tflearn/tflearn/blob/master/examples/images/googlenet.py
-
エンコーダから。エンコーダからの手書きの数字のためにMNIST
https://github.com/tflearn/tflearn/blob/master/examples/images/autoencoder.py
自然言語処理モデルとデータセット
-
リカレントニューラルネットワーク(LSTM)、LSTMは、任意の分類IMDBの感情データセットに適用されます
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py
-
双方向RNN(LSTM)、双方向LSTMはIMDB感情データセットの分類タスクに適用されます。
https://github.com/tflearn/tflearn/blob/master/examples/nlp/bidirectional_lstm.py
-
動的RNN(LSTM)、IMDBカテゴリーからLSTMダイナミック可変長テキストデータセット:
https://github.com/tflearn/tflearn/blob/master/examples/nlp/dynamic_lstm.py
-
市名の生成は、アメリカの都市の新世代は、名前LSTMネットワークを使用します。
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_cityname.py
-
シェイクスピア原稿世代、シェイクスピア原稿利用LSTMネットワークの新世代:
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm_generator_shakespeare.py
-
Seq2seq、指導例seq2seqサイクルネットワーク:
https://github.com/tflearn/tflearn/blob/master/examples/nlp/seq2seq_ example.pyを
-
CNN配列は、単語の集中ネットワークIMDB感情分類シーケンスから1-D畳み込みデータを使用します
https://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py
強化学習ストーリー
-
アタリパックマン1ステップQ学習、1ステップQ学習アタリのゲームをプレイするためにマシンを教えるために使用します。
https://github.com/tflearn/tflearn/blob/master/examples/reinforcement_learning/atari_1step_qlearning.py
ステップ3:初心者のTFのための準備の他の態様
-
推薦ワイド&ディープネットワーク、指導例推薦システムワイド&深いネットワーク:
https://github.com/tflearn/tflearn/blob/master/examples/others/recommender_wide_and_deep.py
-
スパイラル分類問題、実現のTFLearnスタンフォードCS231nスパイラル分類問題:
https://github.com/tflearn/tflearn/blob/master/examples/notebooks/spiral.ipynb
-
層、TensorFlow TFLearn有する層:
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
-
トレーナー、TFLearn任意のTensorFlowマップを使用して、クラスの訓練を訓練:
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/layers.py
-
エージェントbulitインオプス、一緒にTFLearnを使用してTensorFlow動作に内蔵されました:
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/builtin_ops.py
-
要約、TensorFlow使用TFLearnサマライザと一緒に:
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/summaries.py
-
TensorFlow使用TFLearn変数と一緒に変数、:
https://github.com/tflearn/tflearn/blob/master/examples/extending_tensorflow/variables.py
オープンソースソフトウェアライブラリTensorFlow最も完全なチュートリアルやアイテムのリスト
TensorFlowは数値計算を使用して、データフローグラフのためのオープンソースソフトウェアライブラリです。言い換えれば、それは、モデルの学習の深さを構築するための最良の方法です。この記事では、いくつかの優れたTensorFlowチュートリアルに関連する項目のリストをコンパイルしました。
まず、チュートリアル
TensorFlowチュートリアル 1 -基本的にもっと面白いTensorFlowアプリケーションから
チュートリアルTensorFlow 2 -ベースのGoogle TensorFlowの フレーム Theano直接ポートのプロファイルを学習深さは、これらのチュートリアルがあるNewmu
TensorFlow例 - TensorFlowチュートリアルと初心者には、サンプルコード
SungjoonのTensorFlow -101 - PythonのTensorFlowによってJupyterノートブックのチュートリアルを使用して、書き込み
あの演習テリーのTensorFlow 他TensorFlowからのコード例を再作成-
TensorFlow上のラズベリーパイ3をインストールする - TensorFlow正しくラズベリーコンパイルと実行に来る
分類に時系列 - TensorFlowで使用LSTM電話センサデータリカレントニューラルネットワークの分類
第二に、モデル/項目の
表示、出席し知らせます -フォーカス機構に基づいて、画像のキャプションジェネレータ(フォーカス機構「注意機構は」深い最先端の学習現在のホットスポットの一つであり、個々の入力の異なる部分に焦点を当てることができると理解一連の所与)
神経スタイル -神経スタイル実現(神経スタイルであります)絵画のスタイルが再描画アルゴリズムの絵を描くされた模倣するためにマシンを聞かせて
かなりテンソル プリティテンソルビルダーは、高度な提供- API
神経のスタイルを -神経のスタイルが実現
TensorFlowホワイトペーパーノートを ノートやホワイトペーパーTensorFlowを注釈付き-要約、およびSVG グラフィックスと文書がリンク
NeuralArtを 神経質アルゴリズムの芸術的なスタイルを実現するために-
卓球学習の深強化するTensorFlowとpygameのダウンロードを使用して
生成的使用TensorFlow手書きデモ -アレックス・グレイブスにランダムに生成された部分手書きの書類を実装しよう
TensorFlowの神経チューリングマシン -神経を達成するTensorFlowチューリングマシン
によってGoogleNet畳み込みニューラルネットワークグループ映画のシーンを 設定-場所や検索対象の他のコンテンツを、フィルタとビデオの説明表示オブジェクトに応じて、
ニューラルマシンを- Search.comシェイクスピアと使用TensorFlow英語の文章でMODERN BETWEEN -翻訳シェイクスピアから現代英語に単一言語、およびその逆
チャットボット - 「神経対話モデル「の実装
-色付けのグレースケール画像へのニューラルネットワークColornet -ニューラルネットワークによる色のグレースケール画像に
キャプションジェネレータ神経の注意を -イメージTensorflowを達成理解
Weakly_detectorを 深く学習機能をTensorFlow達成するために、」ローカライズ区別するために- 」
動的容量ネットワークを -達成するための「動的容量ネットワーク」
tensorFlowでHMMを - HMM、ビタビとの前方/後方のアルゴリズム
DeepOSM - OpenStreetMapのを使用してtensorFlowニューラルネットワークを備えており、衛星画像トレーニング
DQN-tensorflow -利用tensorFlowは"のOpenAIジムでDeepMindを達成「人間のコントロールの強化学習レベルの深さによって、
高速道路ネットワーク - 「深度ネットワークトレーニング、」TensorFlow達成
CNNとの文分類 - TensorFlowは「文畳み込みニューラルネットワークの分類」を達成
するには、エンド・メモリ・ネットワーク終了 メモリーズエンドツーエンド-
文字-Awareの神経言語モデルを -文字の神経の認識を達成するTensorFlow言語モデル
YOLO TensorFlow ++を -のTensorFlow実現「YOLO:リアルタイム物体検出」リアルタイムを実行しているモバイルデバイス上の機能訓練やサポート
WaveNet - WaveNet TensorFlowは、音声生成するために達成ニューラルネットワークアーキテクチャ生成
ニーモニックディセントを方法 -ニーモニック降下法:再生プロセスが終わりに位置合わせ端に印加されます