Awesome Open Source
Awesome Open Source

包含网络

  • 推荐使用: Deep Belief Network (DBN) Stacked Autoencoder (sAE) Stacked Sparse Autoencoder (sSAE) Stacked Denoising Autoencoders (sDAE)
  • 尝试更好的模型: Convolutional Neural Network (CNN) Recurrent Neural Network (RNN) Long Short Term Memory (LSTM)

所依赖包

pip install tensorflow (version: 1.X)
pip install keras
pip install librosa (用于语音分类,选装)
pip install --upgrade --user numpy pandas h5py (升级包)

用于任务

use_for = 'classification' 用于分类任务 use_for = 'prediction' 用于预测任务

版本信息

Pytorch版本:

推荐PyTorch包

User:

用户可以通过model.py文件控制一些功能的开关: self.show_pic => show curve in 'Console'? self.tbd => open/close tensorboard self.save_model => save/ not save model self.plot_para => plot W image or not self.save_weight => save W matrix or not self.do_tSNE => do t-SNE or not

Version 2018.11.7:

New 新增了两个数据集,一个用于分类,一个用于预测 New 新增t-SNE低维可视化 Chg 修正部分 use_for = 'prediction' 时的Bug

Version 2018.6.1:

New 新增了绘制训练曲线图,预测标签分布图,权值图的功能 Chg 重写了SAE,现在可以放心使用了 Chg 代码的整体运行函数run_sess放到了base_func.py Chg 回归是可以实现的,需要设置 use_for = 'prediction'

测试结果

用于minst数据集分类,运行得到正确率可达98.78% 用于Urban Sound Classification语音分类,正确率达73.37% (这个跑完console不会显示结果,因为是网上的比赛数据集,需上传才能得到正确率) 用于Big Mart Sales III预测,RMSE为1152.04 (这个也是网上的数据集,也没有test_Y)

跑的结果并不是太高,有更好的方法请赐教 语音分类未尝试语谱法,欢迎做过的和我交流

数据地址

USC, BMS III

参考资料

Tensorflow基本函数, RBM原理, Hinton源码, sDAE原论文, sSAE分析TE过程, RNN原理, LSTM, Tensorboard

My blog

知乎, CSDN QQ群:640571839

paper

EDBN 欢迎引用~


Get A Weekly Email With Trending Projects For These Topics
No Spam. Unsubscribe easily at any time.
python (53,634
tensorflow (2,141
convolutional-neural-network (32
tsne (15