https://github.com/jacky10001/tf2-mycnn

tf.keras+Python Class 來實作CNN
https://github.com/jacky10001/tf2-mycnn

Last synced: 25 days ago
JSON representation

tf.keras+Python Class 來實作CNN

• Host: GitHub
• URL: https://github.com/jacky10001/tf2-mycnn
• Owner: jacky10001
• License: mit
• Created: 2022-01-05T15:19:07.000Z (almost 3 years ago)
• Default Branch: main
• Last Pushed: 2022-02-16T13:47:44.000Z (over 2 years ago)
• Last Synced: 2023-03-12T01:06:31.234Z (over 1 year ago)
• Language: Jupyter Notebook
• Homepage:
• Size: 6.14 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# tf2-mycnn

**所有範例的資料都支援自動下載並自動處理成範例程式所用之檔案格式及檔案結構，會儲存在 `datasets` 資料夾中。**  

**目前範例確認皆可支援最新的 TensorFlow 2，其結果可以直接看 Jupyter Notebook 的範例程式**  

~~**文檔放在 GitHub Wiki，但被我弄壞了QQ，要重寫....**~~  

**物件偵測模型還在研究中..**  

---

這裡統整我曾經實作過的一些經典 CNN 模型架構，與網路大部分直接寫成 `Function` 不同，我是將其寫成 `Class` 來呼叫。所有 CNN 會繼承 `KerasModel` 類別物件，並通過實例化來共用相關 `Class Method`，用意是將我常用 Keras API 包裝起來，方便重現我之前的一些用法。  

因為我是從各種論文、書籍、網路資料來進行學習，也參考 TensorFlow、Keras、PyTorch 裡的程式，所以會跟大部分程式碼雷同，純粹是基於將自己學習過的東西進行分享，也歡迎剛接觸 AI 的同學參考。

---

## Jupyter Notebook 檔案命名規則

- ex_*.ipynb：已確認完結果之範例程式

- ck_*.ipynb：確認功能結果之驗證程式

- tmp_*.ipynb：暫時保留之程式，可能會保留或捨棄

- dev_*.ipynb：開發中程式

---

## Todo

### Classification

- [x] LeNet5、AlexNet、VGGNet、Inception、ResNet

- [x] 資料擴增函式 generate_classification_dataset

### Segmentation

- [x] FCN

- [x] U-Net (範例尚未準備)

- [x] 分割資料讀取並訓練

- [ ] 分割資料擴增

### Object Detection

- [ ] SSD300

- [ ] RPN

- [ ] RCNN

- [ ] VOC資料讀取並訓練

- [ ] COCO資料讀取並訓練

### Others

- [x] 多輸入多輸出模型及資料讀取 (放在 multi_in_out_cnn)

- [ ] 能夠自動輸出卷積層之特徵圖

## Refer

- [Dogs VS. Cats | Kaggle](https://www.kaggle.com/c/dogs-vs-cats)

- [Kaggle Cats and Dogs Dataset - Microsoft](https://www.microsoft.com/en-us/download/details.aspx?id=54765)

- [VOC2012](http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit)