原创 深度有趣 | 09 Inception-v3圖片分類

簡介 Inception-v3是由Google提出,用於實現ImageNet大規模視覺識別任務(ImageNet Large Visual Recognition Challenge)的一種神經網絡 Inception-v3反覆

原创 深度有趣 | 06 變分自編碼器

簡介 變分自編碼器(Variational Autoencoder,VAE)是生成式模型(Generative Model)的一種,另一種常見的生成式模型是生成式對抗網絡(Generative Adversarial Networ

原创 深度有趣 | 08 DCGAN人臉圖片生成

簡介 在人臉數據上訓練DCGAN,並生成一些人臉圖片 數據 使用兩個數據集 LFW:http://vis-www.cs.umass.edu/lfw/,Labeled Faces in the Wild,超過1.3W張圖片,其中1

原创 深度有趣 | 07 生成式對抗網絡

簡介 除VAE之外,生成式對抗網絡(Generative Adversarial Nets,GAN)也是一種非常流行的無監督生成式模型 GAN中主要包括兩個核心網絡 生成器(Generator):記作G,通過對大量樣本的學習,能

原创 深度有趣 | 01 前言

爲什麼做這門課 興趣是最好的老師 用Python做一些有意思的案例和應用,內容和領域不限,可以包括數據分析、自然語言理解、計算機視覺,等等等等 一個將各種有趣項目整合在一起的大合集 學了能幹嘛 並非專門爲了某一項工作而學,而是從多

原创 深度有趣 | 02 準備工作

簡介 在個人電腦上,搭建編程所需的各項環境 Anaconda 一個涵蓋了Python、pip以及常用Python包的軟件,https://www.anaconda.com/download/,根據操作系統進行選擇,並使用Pytho

原创 深度有趣 | 05 自編碼器圖像去噪

簡介 自編碼器(AutoEncoder)是深度學習中的一類無監督學習模型,由encoder和decoder兩部分組成 encoder將原始表示編碼成隱層表示 decoder將隱層表示解碼成原始表示 訓練目標爲最小化重構誤差 隱層

原创 深度有趣 | 03 高端又一般的詞雲

簡介 詞雲是一種數據呈現方式 不會的時候,感覺很厲害、很高大上 會用了之後,感覺到哪都看到別人在用 掌握用Python實現詞雲的方法 準備 安裝包 pip install wordcloud matplotlib jieba

原创 深度有趣 | 04 圖像風格遷移

簡介 圖像風格遷移是指,將一幅內容圖的內容,和一幅或多幅風格圖的風格融合在一起,從而生成一些有意思的圖片 以下是將一些藝術作品的風格,遷移到一張內容圖之後的效果 我們使用TensorFlow和Keras分別來實現圖像風格遷移,主

原创 深度有趣 | 10 股票價格預測

簡介 股票價格預測是一件非常唬人的事情,但如果只基於歷史數據進行預測,顯然完全不靠譜 股票價格是典型的時間序列數據(簡稱時序數據),會受到經濟環境、政府政策、人爲操作多種複雜因素的影響 不像氣象數據那樣具備明顯的時間和季節性模式,

原创 深度有趣 | 11 TensorFlow物體檢測

簡介 TensorFlow提供了用於檢測圖片或視頻中所包含物體的API,詳情可參考以下鏈接 https://github.com/tensorflow/models/tree/master/research/object_dete

原创 深度有趣 | 23 歌詞古詩自動生成

簡介 使用RNN實現歌詞和古詩的自動生成 RNN多用於處理序列數據,通過學習數據上下文之間的關係,可以在給定若干個連續數據點的基礎上,預測下一個可能的數據點 以下是最基礎的RNN公式,當然也可以使用LSTM(Long Short-Te

原创 深度有趣 | 28 自動語音識別

簡介 介紹自動語音識別(Automatic Speech Recognition,ASR)的原理,並用WaveNet實現。 原理 ASR的輸入是語音片段,輸出是對應的文本內容 使用深度神經網絡(Deep Neural Networks

原创 深度有趣 | 22 天馬行空的DeepDream

簡介 介紹DeepDream的原理並用TensorFlow實現 效果 先來看一下DeepDream的效果,本來是這樣一張圖片 經過DeepDream處理之後就有可能變成這樣 有點奇特和夢幻,也有點不明所以、精神污染 原理 大多時候

原创 深度有趣 | 20 CycleGAN性別轉換

簡介 介紹可用於實現多種非配對圖像翻譯任務的CycleGAN模型,並完成性別轉換任務 原理 和pix2pix不同,CycleGAN不需要嚴格配對的圖片,只需要兩類(domain)即可,例如一個文件夾都是蘋果圖片,另一個文件夾都是橘子圖