TensorFlow-DeepLearning

Learn the TensorFlow of deep learning 本项目代码来源《深度学习之TensorFlow：入门、原理与进阶实战》，代码仅作为练习使用。

Name		Name	Last commit message	Last commit date
Latest commit History 27 Commits
MNIST_data		MNIST_data
cifar10		cifar10
data		data
img		img
log		log
LICENSE		LICENSE
README.md		README.md
实例10：分析模型内容，演示模型的其他保存方法.ipynb		实例10：分析模型内容，演示模型的其他保存方法.ipynb
实例11：为模型添加保存检查点.ipynb		实例11：为模型添加保存检查点.ipynb
实例12：更简便地保存检查点.ipynb		实例12：更简便地保存检查点.ipynb
实例13：线性回归的TensorFlow可视化.ipynb		实例13：线性回归的TensorFlow可视化.ipynb
实例14：演示get_variable和Variable的区别.ipynb		实例14：演示get_variable和Variable的区别.ipynb
实例15：在特定的作用域下获取变量.ipynb		实例15：在特定的作用域下获取变量.ipynb
实例16：共享变量功能的作用.ipynb		实例16：共享变量功能的作用.ipynb
实例17：初始化共享变量的作用域.ipynb		实例17：初始化共享变量的作用域.ipynb
实例18：演示作用域与操作符的受限范围.ipynb		实例18：演示作用域与操作符的受限范围.ipynb
实例19：图的基本操作.ipynb		实例19：图的基本操作.ipynb
实例1：从一组看似混乱的数据中找出y≈2x的规律.ipynb		实例1：从一组看似混乱的数据中找出y≈2x的规律.ipynb
实例21：识别图中模糊的手写数字.ipynb		实例21：识别图中模糊的手写数字.ipynb
实例22：交叉熵实验.ipynb		实例22：交叉熵实验.ipynb
实例23：one_hot实验.ipynb		实例23：one_hot实验.ipynb
实例24：sparse交叉熵的使用.ipynb		实例24：sparse交叉熵的使用.ipynb
实例25：计算loss值.ipynb		实例25：计算loss值.ipynb
实例26：退化学习率的用法举例.ipynb		实例26：退化学习率的用法举例.ipynb
实例27：用Maxout网络实现MNIST分类.ipynb		实例27：用Maxout网络实现MNIST分类.ipynb
实例28：用线性单分逻辑回归分析肿瘤是良性还是恶性的.ipynb		实例28：用线性单分逻辑回归分析肿瘤是良性还是恶性的.ipynb
实例29：用线性逻辑回归处理多分类问题.ipynb		实例29：用线性逻辑回归处理多分类问题.ipynb
实例2：通过字典类型定义输入节点.ipynb		实例2：通过字典类型定义输入节点.ipynb
实例30.1：使用激活函数Relu或者Sigmoid.ipynb		实例30.1：使用激活函数Relu或者Sigmoid.ipynb
实例30.2：数据集换成one-hot编码拟合.ipynb		实例30.2：数据集换成one-hot编码拟合.ipynb
实例30：使用带隐藏层的神经网络拟合异或操作.ipynb		实例30：使用带隐藏层的神经网络拟合异或操作.ipynb
实例31：利用全连接网络将图片进行分类.ipynb		实例31：利用全连接网络将图片进行分类.ipynb
实例32：利用异或数据集演示过拟合问题.ipynb		实例32：利用异或数据集演示过拟合问题.ipynb
实例33：通过正则化改善过拟合情况.ipynb		实例33：通过正则化改善过拟合情况.ipynb
实例35：为异或数据集模型添加dropout.ipynb		实例35：为异或数据集模型添加dropout.ipynb
实例37：卷积函数的使用.ipynb		实例37：卷积函数的使用.ipynb
实例38：使用卷积提取图片轮廓.ipynb		实例38：使用卷积提取图片轮廓.ipynb
实例39：池化函数的使用.ipynb		实例39：池化函数的使用.ipynb
实例3：直接定义输入节点.ipynb		实例3：直接定义输入节点.ipynb
实例40：导入并显示CIFAR数据集.ipynb		实例40：导入并显示CIFAR数据集.ipynb
实例41：显示CIFAR数据集的原始图片.ipynb		实例41：显示CIFAR数据集的原始图片.ipynb
实例42：协调器的用法.ipynb		实例42：协调器的用法.ipynb
实例43：为session中的队列加上协调器.ipynb		实例43：为session中的队列加上协调器.ipynb
实例44-2：用卷积对MNIST图片集进行分类.ipynb		实例44-2：用卷积对MNIST图片集进行分类.ipynb
实例44-3：将CIFAR卷积分类的最后一次改成全连接层.ipynb		实例44-3：将CIFAR卷积分类的最后一次改成全连接层.ipynb
实例44：建立一个带有全局平均池化层的卷积神经网络.ipynb		实例44：建立一个带有全局平均池化层的卷积神经网络.ipynb
实例45：演示反卷积的操作.ipynb		实例45：演示反卷积的操作.ipynb
实例46：演示反池化操作.ipynb		实例46：演示反池化操作.ipynb
实例47：演示gradients基本用法.ipynb		实例47：演示gradients基本用法.ipynb
实例48：使用gradients对多个式子求多变量偏导.ipynb		实例48：使用gradients对多个式子求多变量偏导.ipynb
实例49：演示梯度停止的实现.ipynb		实例49：演示梯度停止的实现.ipynb
实例4：通过字典类型定义“学习参数”.ipynb		实例4：通过字典类型定义“学习参数”.ipynb
实例50：用反卷积技术复原卷积网络各层图像.ipynb		实例50：用反卷积技术复原卷积网络各层图像.ipynb
实例51：使用函数封装库重写CIFAR卷积网络.ipynb		实例51：使用函数封装库重写CIFAR卷积网络.ipynb
实例52：优化卷积核技术的演示.ipynb		实例52：优化卷积核技术的演示.ipynb
实例53：多通道卷积技术的演示.ipynb		实例53：多通道卷积技术的演示.ipynb
实例54-2：带BN的多通道mnist.ipynb		实例54-2：带BN的多通道mnist.ipynb
实例54-3：多通道mnist.ipynb		实例54-3：多通道mnist.ipynb
实例54：为CIFAR图片分类模型添加BN.ipynb		实例54：为CIFAR图片分类模型添加BN.ipynb
实例55：简单循环神经网络实现-裸写一个退位减法器.ipynb		实例55：简单循环神经网络实现-裸写一个退位减法器.ipynb
实例56：使用RNN网络拟合回声信号.ipynb		实例56：使用RNN网络拟合回声信号.ipynb
实例5：编写hello world程序演示session的使用.ipynb		实例5：编写hello world程序演示session的使用.ipynb
实例6：演示with session的使用.ipynb		实例6：演示with session的使用.ipynb
实例7：演示注入机制.ipynb		实例7：演示注入机制.ipynb
实例8：使用注入机制获取节点.ipynb		实例8：使用注入机制获取节点.ipynb
实例9：保存与载入线性回归模型.ipynb		实例9：保存与载入线性回归模型.ipynb

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Repository files navigation

TensorFlow-DeepLearning

About

Uh oh!

Releases

Packages

Languages

License

ocpro/TensorFlow_DeepLearning

Folders and files

Latest commit

History

Repository files navigation

TensorFlow-DeepLearning

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Languages

Packages