分别基于TensorFlow、PyTorch、Keras的深度学习动手练习项目

×下面资源个人全都跑了一遍,不会出现仅是字符而无法运行的状况,运行环境:

Geoffrey Hinton在多次访谈中讲到深度学习研究人员不要仅仅只停留在理论上,要多编程。个人在学习中也体会到单单的看理论到头来还是一头雾水,只有不断和编程结合,才能检验自己是否掌握了这门知识。但是作为初学者应先以跑通理论为第一要义,所以可以使用有关框架,降低入门难度,避免重复造*。

一、TensorFlow

资源地址:

资源介绍:

资源目录:

二、PyTorch

资源地址:

资源介绍:

这个资源为深度学习研究人员提供了学习PyTorch的教程代码大多数模型都使用少于30行代码实现。 在开始本教程之前,建议先看完Pytorch官方教程。

资源目录:
1.基础知识

  • PyTorch基础知识
  • 线性回归
  • Logistic回归
  • 前馈神经网络

2.中级

  • 卷积神经网络
  • 深度残差网络
  • 递归神经网络
  • 双向递归神经网络
  • 语言模型(RNN-LM)

3.高级

  • 生成性对抗网络
  • 变分自动编码器
  • 神经风格转移
  • 图像字幕(CNN-RNN)

4.工具

  • PyTorch中的TensorBoard

三、Keras

资源地址:

资源介绍:

资源目录:

总结:

总结

TensorFlow、Pytorch和Keras是目前深度学习的主要框架,也是入门深度学习必须掌握的三大框架,但是官方文档相对内容较多,初学者往往无从下手。本人从github里分别搜到了三个非常不错的学习资源,并对资源进行本地运行实践,避免github上大部分资源仅仅只是存在而无法运行的尴尬。少走点坑和弯路,以及能够及时看到结果,是一个在煎熬中的初学者最希望得到的东西。建议初学者下载学习,这些资源包含了大量的代码示例(含数据集),个人认为,只要把以上资源运行一次,不懂的地方查官方文档,很快就能理解和运用这三大框架。

上一篇:一.Jmeter+Ant+Jenkins搭建持续集成接口性能自动化测试


下一篇:Happy New Year