README-CH.md

欢迎写邮件到我的邮箱，任何问题都可以，看到就回复。

安装

首先下载本目录，可以在命令行用下面的 git 命令，也可以在网页上用右上角的 download zip

git clone https://github.com/zhedongzheng/finch.git

然后可以直接运行任何测试脚本

python xxxx_test.py

主要依赖于下面三个库：

• TensorFlow 1.2
• PyTorch 0.12
• scikit-learn

编码风格

GitHub 上的大多数深度学习项目通常会有若干个脚本比如 train.py, model.py, main.py 等等。我个人倾向于把功能融合成一个带有 fit() 和 predict() 接口的模型（scikit-learn API 风格），然后对于不同的数据集编写不同的测试文件。下面所有代码都遵从这种风格。

目录

• 机器学习
  • 线性模型
  • 支持向量机
  • 集成
  • 分解
• 深度学习
  • 多层感知
  • 卷积网络
  • 循环网络
  • 自动解码
  • 高速公路网络
  • 对抗生成网络
• 自然语言处理
  • 预处理
  • 语言模型
  • 文本分类
  • 文本生成
  • 序列标注
  • 序列到序列
• 计算机视觉
  • OpenCV

机器学习

线性模型

• TensorFlow   |   线性回归     模型     测试   |  

• TensorFlow   |   逻辑回归     模型     测试   |  

• Java   |   逻辑回归     模型     测试   |  

支持向量机

• TensorFlow   |   线性 支持向量机 分类器     模型     测试   |  

• Java   |   线性 支持向量机 分类器     模型     测试   |  

• Libsvm   |   非线性 支持向量机 分类器     模型     测试   |  

集成

• NumPy   |   Bagging 分类器     模型     测试   |  

• NumPy   |   Adaboost 分类器     伪代码     模型     测试   |  

• NumPy   |   随机森林 分类器     模型     测试   |  

分解

• TensorFlow   |   非负矩阵分解     模型     MovieLens数据集测试   |  

深度学习

多层感知

• TensorFlow   |   多层感知 分类器     模型     MNIST数据集测试     CIFAR10数据集测试   |  

• PyTorch   |   多层感知 分类器     模型     MNIST数据集测试     CIFAR10数据集测试   |  

卷积网络

• TensorFlow   |   二维卷积 分类器     模型     MNIST数据集测试     CIFAR10数据集测试   |  

• PyTorch   |   二维卷积 分类器     模型     MNIST数据集测试     CIFAR10数据集测试   |  

循环网络

• TensorFlow   |   LSTM 分类器     模型     MNIST数据集测试     CIFAR10数据集测试   |  

• TensorFlow   |   LSTM 回归器     模型     测试     预览   |  

• PyTorch   |   LSTM 分类器     模型     MNIST数据集测试     CIFAR10数据集测试   |  

• PyTorch   |   GRU 回归器     模型     测试   |  

自动解码

• TensorFlow   |   多层感知 自动解码     模型   |   MNIST数据集测试   |  

• TensorFlow   |   二维卷积 自动解码     模型     MNIST数据集测试     CIFAR10数据集测试   |  

高速公路网络

• TensorFlow   |   基于高速公路的 多层感知 分类器     模型     MNIST数据集测试   |  

• TensorFlow   |   基于高速公路的 一维卷积 分类器     模型     IMDB数据集测试   |  

对抗生成网络

• TensorFlow   |   基于多层感知的 对抗生成网络     模型     测试   |   有条件限制的 对抗生成网络     模型     测试   |  

• TensorFlow   |   基于卷积网络的 对抗生成网络     MNIST数据集     模型     测试     结果   |  

自然语言处理

预处理

• Python   |   文本格式化

• Python   |   词语索引

语言模型

• Sklearn   |   隐含语义分析     Wiki资料     模型     测试   |  

• Python   |   三元词袋     Wiki资料     模型     测试   |  

• Sklearn   |   TF-IDF     Brown文集测试     结果   |  

• TensorFlow   |   词向量 Skip-Gram     模型     Text8文集测试   |  

文本分类

• Sklearn   |   TF-IDF + 逻辑回归     IMDB数据集测试   |  

• TensorFlow   |   一维卷积     模型     IMDB数据集测试   |   多通道 一维卷积     模型     IMDB数据集测试   |  

• TensorFlow   |   循环网络     模型     IMDB数据集测试   |  

• TensorFlow   |   双层循环网络 + 注意力机制     Model     IMDB Test   |  

• TensorFlow   |   一维卷积+循环网络     模型     IMDB数据集测试   |  

• PyTorch   |   一维卷积     模型     IMDB数据集测试   |  

• PyTorch   |   循环网络     模型     IMDB数据集测试   |  

• PyTorch   |   一维卷积+循环网络     模型     IMDB数据集测试   |  

文本生成

• Python   |   二阶马尔可夫     模型     Robert Frost 文集测试   |  

• TensorFlow   |   字符循环网络     Karpathy大神当时的文章     模型     测试   |  

• TensorFlow   |   卷积网络+循环网络     原论文     模型     测试   |  

序列标注

• TensorFlow   |   循环网络     模型   |   词性标记测试   |   中文分词测试   |  

• TensorFlow   |   双向循环网络     模型   |   词性标记测试   |   中文分词测试   |  

• TensorFlow   |   双向循环网络+条件随机场     模型

  • 词性标记测试     结果
  • 中文分词测试     结果

• PyTorch   |   循环网络     模型   |   词性标记测试   |   中文分词测试   |  

• PyTorch   |   双向循环网络     模型   |   词性标记测试   |   中文分词测试   |  

序列到序列

• TensorFlow   |   动态 Seq2Seq     模型

  • 排序测试

• TensorFlow   |   动态 Seq2Seq + 双向编码     模型

  • 排序测试

• TensorFlow   |   动态 Seq2Seq + 注意力机制     模型    

  • 排序测试     结果

计算机视觉

OpenCV

• 基本操作   |   调整大小

• 基本操作   |   旋转

• 分割   |   轮廓

• 分割   |   轮廓排序

• 探测   |   Face & Eye Detection Using Cascade Classifier

• 探测   |   Walker & Car Detection Using Cascade Classifier