tensorflow玻尔兹曼机_资源 | 10种深度学习算法的TensorFlow实现

原标题：资源 | 10种深度学习算法的TensorFlow实现

选自 Github

作者：blackecho

机器之心编译

参与：吴攀

这个 repository 是使用 TensorFlow 库实现的多种深度学习算法的实现。这个软件包的目标是作为一种命令行实用程序——你可以将其用来快速训练和评估流行的深度学习模型以及也许使用它们作为与你的自定义模型/数据集比较的基准/标准。如果你想在 ipython 中使用这个软件包或将其整合到你的代码中，作者还发布了一个名叫 yadlt 的 pip 包，然而那是另一个深度学习工具了。

项目地址：https://github.com/blackecho/Deep-Learning-TensorFlow

要求

TensorFlow 0.8 或更新版本

可用模型列表

卷积网络(Convolutional Network)

循环神经网络(LSTM)(Recurrent Neural Network (LSTM))

受限玻尔兹曼机(Restricted Boltzmann Machine)

深度信念网络(Deep Belief Network)

作为RBM堆叠的深度自编码器(Deep Autoencoder as stack of RBMs)

去噪自编码器(Denoising Autoencoder)

堆叠的去噪自编码器(Stacked Denoising Autoencoder)

作为去噪自编码器堆叠的深度自编码器(Deep Autoencoder as stack of Denoising Autoencoders)

多层感知器(MultiLayer Perceptron)

Logistic 回归

安装

通过 pip 安装：

pip install yadlt

你可以通过查看 command_line/ 目录学习这些模型的基本使用方法。或者你也可能查看这个文档：http://deep-learning-tensorflow.readthedocs.io/en/latest/

注意：用于该 pip 包的文档还处在编写过程中，但这些软件包的使用方法是非常简单的。其中的类有一个类似 sklearn 的接口，所以基本上你只需要：创建对象(如 sdae = StackedDenoisingAutoencoder())以及调用 fit/predict 方法；如果模型支持的话，也可调用 pretrain() 方法(如 sdae.pretrain(X_train, y_train)、sdae.fit(X_train, y_train) 和 predictions = sdae.predict(X_test))

通过 github 安装：

目录中的 cd 是你存储项目的位置，例如 /home/me

复制该 repo: git clone https://github.com/blackecho/Deep-Learning-TensorFlow.git

cd Deep-Learning-TensorFlow

现在你可以配置软件运行这些模型了(请参考文档)！

文档

本项目的文档可在这里查看：http://deep-learning-tensorflow.readthedocs.io/en/latest/

接下来将加入的模型：

变自编码器(Variational Autoencoders)

深度 Q 强化学习(Deep Q Reinforcement Learning)

✄------------------------------------------------

加入机器之心(全职记者/实习生)：hr@almosthuman.cn