文件名称：GDL_code:O'Reilly的书《 Generative Deep Learning》中的示例的官方代码存储库
文件大小：1.32MB
文件格式：ZIP
更新时间：2024-04-25 20:08:14
JupyterNotebook
生成式深度学习 绘画，写作，构图和演奏的教学机 O'Reilly的书《 Generative Deep Learning》中的示例的官方代码存储库 张量流 该分支使用带有Tensorflow 1.14后端的独立Keras。 请参见Tensorflow 2.0版本代码库中的tensorflow_2分支。 结构 该存储库的结构如下： 每个章节的笔记本都在存储库的根目录中，并以章节编号为前缀。 在data文件夹中可以下载相关的数据源（从第3章开始） run文件夹存储生成的模型的输出（从第3章开始） utils文件夹存储有用的功能，这些功能由主笔记本提供 书籍内容 第1部分：生成式深度学习简介 第1章：生成建模 第2章：深度学习 第3章：可变自动编码器 第四章：生成对抗网络 第2部分：绘画，写作，写作和演奏的教学机 第五章：油漆 第六章：写 第7章：撰写 第8章玩 第9章：生成建模的未来
【文件预览】：
GDL_code-master
----models()
--------AE.py(6KB)
--------MuseGAN.py(20KB)
--------VAE.py(8KB)
--------GAN.py(12KB)
--------cycleGAN.py(16KB)
--------layers()
--------RNNAttention.py(5KB)
--------WGAN.py(12KB)
--------WGANGP.py(15KB)
----launch-docker-gpu.sh(129B)
----03_03_vae_digits_train.ipynb(4KB)
----04_01_gan_camel_train.ipynb(6KB)
----03_04_vae_digits_analysis.ipynb(7KB)
----Dockerfile.gpu(941B)
----09_01_positional_encoding.ipynb(454KB)
----03_05_vae_faces_train.ipynb(5KB)
----07_03_lstm_compose_predict.ipynb(167KB)
----data()
--------.gitignore(99B)
--------qa_test()
----02_01_deep_learning_deep_neural_network.ipynb(5KB)
----07_01_notation_compose.ipynb(277KB)
----07_05_musegan_analysis.ipynb(555KB)
----04_03_wgangp_faces_train.ipynb(5KB)
----06_03_qa_analysis.ipynb(47KB)
----06_01_lstm_text_train.ipynb(500KB)
----03_02_autoencoder_analysis.ipynb(7KB)
----LICENSE(34KB)
----Dockerfile.cpu(946B)
----03_06_vae_faces_analysis.ipynb(14KB)
----03_01_autoencoder_train.ipynb(4KB)
----07_02_lstm_compose_train.ipynb(52KB)
----07_04_musegan_train.ipynb(111KB)
----requirements.txt(1KB)
----.gitignore(1KB)
----launch-docker-cpu.sh(303B)
----06_02_qa_train.ipynb(10KB)
----04_02_wgan_cifar_train.ipynb(8KB)
----run()
--------vae()
--------gan()
--------write()
--------paint()
--------compose()
----02_02_deep_learning_convolutions.ipynb(6KB)
----README.md(1KB)
----utils()
--------callbacks.py(1KB)
--------loaders.py(9KB)
--------write.py(10KB)
----scripts()
--------download_cyclegan_data.sh(798B)
--------download_gutenburg_data.sh(178B)
----05_01_cyclegan_train.ipynb(5KB)
----02_03_deep_learning_conv_neural_network.ipynb(70KB)