Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/sozykin/dlpython_course
Примеры для курса "Программирование глубоких нейронных сетей на Python"
https://github.com/sozykin/dlpython_course
deep-learning deep-learning-tutorial deep-neural-networks keras keras-tensorflow keras-tutorials python tensorflow tensorflow-tutorials
Last synced: 23 days ago
JSON representation
Примеры для курса "Программирование глубоких нейронных сетей на Python"
- Host: GitHub
- URL: https://github.com/sozykin/dlpython_course
- Owner: sozykin
- Created: 2016-12-05T09:00:54.000Z (almost 8 years ago)
- Default Branch: master
- Last Pushed: 2019-08-06T09:18:36.000Z (over 5 years ago)
- Last Synced: 2024-09-30T17:04:54.592Z (about 1 month ago)
- Topics: deep-learning, deep-learning-tutorial, deep-neural-networks, keras, keras-tensorflow, keras-tutorials, python, tensorflow, tensorflow-tutorials
- Language: Jupyter Notebook
- Homepage: https://www.asozykin.ru/courses/nnpython
- Size: 19.7 MB
- Stars: 314
- Watchers: 42
- Forks: 251
- Open Issues: 3
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Примеры программ для курса "Программирование глубоких нейронных сетей на Python"
[Страница курса с видеолекциями и практическими заданиями](https://www.asozykin.ru/courses/nnpython).
## Примеры
1. Распознавание рукописных цифр из набора данных [MNIST](http://yann.lecun.com/exdb/mnist/) - `mnist`. Используется полносвязная и сверточная нейронные сети.
2. Распознавание объектов на изображениях из набора данных [CIFAR-10](https://www.cs.toronto.edu/~kriz/cifar.html) - `cifar10`. Используется сверточная нейронная сеть.
3. Определение тональности отзывов на фильмы из [IMDB Movie Review Dataset](http://ai.stanford.edu/~amaas/data/sentiment/) - `imdb`. Используется рекуррентная сеть LSTM.
4. Прогноз стоимости домов для набора данных [Boston Housing](https://www.cs.toronto.edu/~delve/data/boston/bostonDetail.html) - `regression`. Пример решения задачи регрессии.
5. Использование предварительно обученных нейронных сетей - `pretrained_networks`
6. Сохранение обученной нейронной сети - `saving_models`.
7. Примеры задач компьютерного зрения - `computer_vision`.## Необходимое ПО
1. Python 3.
2. Библиотека глубокого обучения [Keras](https://keras.io/).
3. Библиотеки [TensorFlow](https://www.tensorflow.org/) или [Theano](http://deeplearning.net/software/theano/) (используются в качестве вычислительного бекенда для Keras).Инструкция по установке:
- [Keras и TensorFlow в Anaconda](https://www.asozykin.ru/deep_learning/2017/09/07/Keras-Installation-TensorFlow.html).
- [Keras и Theano в Anaconda](https://www.asozykin.ru/deep_learning/2016/12/25/Keras-Installation.html).Примеры тестировались с TensorFlow. При использовании Theano возможны проблемы из-за разных подходов к хранению изображений.
## Благодарности
При реализации проекта используются средства поддержки, выделенные в качестве гранта на основании конкурса, проведенного Общероссийской общественно-государственной просветительской организации «Российское общество «Знание».