这是一个神经网络的学习笔记

example

example中是基于keras的神经网络的例子。

hdf5

预训练的网络模型

LearnCNN

采用CNN网络结构的例子

• ImdbCNN 用CNN检测评论是正面的还是负面的
• mnistCNN 用CNN判断手写数字，同时，输出了第一层的输入、输出和权重图片，保存的位置在~/NNLearningLog/example/LearnCNN
• cifar_10_cnn 用CNN对图片进行分类。
• vanGogh 图像风格转移

LearnGAN

• mnist_acgan
• mnist_dcgan deep convlutional generative adversarial network

LearnLSTM

• imdb_cnn_lstm CNN与LSTM的结合，很简单的例子
  1. 填充样本序列
  2. 嵌入层+Dropout+一维卷积+池化层+LSTM+输出层
• imdb_lstm LSTM网络，简单
  1. 填充样本序列
  2. 嵌入层+LSTM+输出层

LearnResNet

预训练的50层残差网络，识别图片

LearnRNN

• addition_rnn 自动计算1000以内的加法运算, 非常巧妙的利用seq2seq思想
  1. 处理数据
  2. 网络结构：
     1. 第一层LSTM提取输入(n, 7, 12)的隐变量(n, 128)；
     2. 第二层RepeatVector将隐变量分成4份(n, 4, 128)；
     3. 第三层LSTM(return_sequences=True)解码这4个隐变量(n, 4, 128)；
     4. 第四层TimeDistributed+Dense层，用4个相同的全连接层输出解码后的隐变量，输出(n, 4, 12).
• babi_rnn 阅读理解，输入一段话和一个问题，输出答案
• mnist_hierarchical_rnn 分层的rnn
  1. 运用TimeDistributed对原图像(n, 28, 28, 3)每一行调用lstm得(n, 28, 128)
  2. 再来一个lstm得(n, 128)，最后接一个分类输出Dense

siamese

图片对比：输入两个图片，判断图片内容是否相同。该网络常用于人脸识别。

utils

工具库

variationalAutoencode

变分自编码器，常用于创建样本。

famousData

有常用的几个数据集

• imdb.npz和imdb_word_index.json
• mnist.npz
• cifar-10-batches

mnist_first_output

这是example/LearnCNN/mnistCNN.py的运行结果：

1. 0(1, 2, 3, 4)inter.png分别表示mnistCNN网络第一层（第一个卷积层）的输出
2. 0(1, 2, 3, 4)org.png分别表示mnistCNN网络第一层的输入
3. weight.png表示mnistCNN网络输入层到第一层的权重（卷积核参数）

notebook

笔记

• ImageDataGenerator 是keras中的一个图片预处理API
• Keras函数式API
• 知乎大神的AI经验
• 学习资料
• Softmax变换
• 数据归一化
• Keras学习笔记
• 神经网络为什么要归一化

vanGoghFigure

图片风格转移的运行结果