文件名称：advanced-tensorflow：更多高级TensorFlow实现
文件大小：21.34MB
文件格式：ZIP
更新时间：2024-02-27 01:20:41
tensorflow gan rnn-tensorflow tensorflow-implementations char-rnn
先进的TensorFlow （更多+重构）高级TensorFlow实现的集合。 尽我所能用一个Jupyter Notebook实现算法。 去噪自动编码器 卷积自动编码器（使用反卷积） 可变自动编码器 二维玩具示例上的AVB 基本分类（MLP和CNN） 自定义数据集生成 使用自定义数据集进行分类（MLP和CNN） MLP和CNN的OOP样式实现 使用TF-SLIM进行预训练的网络使用 具有预训练网络的班级激活图 预处理Linux内核源 使用Char-RNN进行训练和采样 具有梯度反转层的领域对抗神经网络 MNIST的深度卷积生成对抗网络 混合物密度网络 异方差混合物密度网络 基于模型的
【文件预览】：
advanced-tensorflow-master
----mnist()
--------logs()
--------data()
--------model()
--------mnist_slim.ipynb(33KB)
----avb()
--------avb_toy.ipynb(1.44MB)
----dann()
--------data()
--------dann_mnist.ipynb(554KB)
----word2vec()
--------w2v.ipynb(581KB)
----char-rnn()
--------1_proprocess_linux.ipynb(9KB)
--------data()
--------char-rnn-simple.ipynb(39KB)
--------3_char_rnn_sample_linux.ipynb(10KB)
--------2_char_rnn_train_linux.ipynb(17KB)
----srgan()
--------checkpoint()
--------train()
--------srgan.ipynb(1.72MB)
--------dataset()
--------model.py(12KB)
----mdn()
--------hmdn.ipynb(1.99MB)
--------mdn.ipynb(2.42MB)
----ae()
--------data()
--------cae.ipynb(964KB)
--------vae.ipynb(636KB)
--------dae.ipynb(361KB)
----basic()
--------basic_gendataset.ipynb(134KB)
--------mlp_mnist.ipynb(6KB)
--------basic_logisticregression.ipynb(45KB)
--------img()
--------data()
--------rnn_stockpred.ipynb(50KB)
--------basic_imghandling.ipynb(1.39MB)
--------char-rnn-simple.ipynb(24KB)
--------cnn_mnist_modern.ipynb(55KB)
--------cnn_mnist_simple.ipynb(251KB)
--------basic_vidfig.ipynb(709KB)
--------rnn_mnist.ipynb(14KB)
--------oop_style_cnn.ipynb(209KB)
--------oop_style_mlp.ipynb(192KB)
--------basic_tensorflow.ipynb(15KB)
--------basic_mnist.ipynb(28KB)
--------basic_python.ipynb(90KB)
--------cnn_custom_simple.ipynb(989KB)
--------lr_mnist.ipynb(5KB)
--------mlp_custom.ipynb(294KB)
----.gitignore(2KB)
----cam()
--------pretrain_usage.ipynb(122KB)
--------cam.ipynb(7.04MB)
--------data()
----rl()
--------mdp_pe.ipynb(4KB)
--------env_cartpole.ipynb(71KB)
--------mdp_vi.ipynb(6KB)
--------tabular_cartpole.ipynb(3.88MB)
--------env_blackjack.ipynb(8KB)
--------env()
--------dqn_cartpole.ipynb(586KB)
--------mdp_pi.ipynb(8KB)
----dcgan()
--------checkpoint()
--------data()
--------gan_mnist_slim.ipynb(1.03MB)
--------samples()
--------dcgan_mnist.ipynb(1.66MB)
----README.md(2KB)