DeepLearningZeroToAll

Código de laboratorio (WIP), pero llame para recibir comentarios

Este es el código para los laboratorios cubiertos en los tutoriales básicos de TensorFlow (en coreano) en https://youtu.be/BS6O0zOGX4E. (También tenemos un plan para grabar videos en inglés).

Este es un trabajo en progreso y puede tener errores. Sin embargo, solicitamos sus comentarios y solicitudes de extracción. Consulte nuestra línea de guía de estilo:

• Más estilo TF (1.0): utilice API TF más recientes y decentes.
• Más Pythonic: aprovecha al máximo el poder de Python
• Legibilidad (sobre eficiencia): dado que es para fines educativos, preferimos la legibilidad a otras.
• Comprensibilidad (sobre todo): comprender los conceptos clave de TF es el objetivo principal de este código.
• KISS: ¡Mantenlo simple, estúpido! https://www.techopedia.com/definition/20262/keep-it-simple-stupid-principle-kiss-principle

Diapositivas de laboratorio:

• https://goo.gl/jPtWNt

Agradecemos sus comentarios sobre las diapositivas.

Regla de nomenclatura de archivos:

• klab-XX-X-[nombre].py: código de laboratorios Keras
• lab-XX-X-[nombre].py: código de laboratorio de TensorFlow
• mxlab-XX-X-[nombre].py: código de laboratorio MXNet

Requisitos de instalación

pip install -r requirements.txt

Ejecutar prueba y autopep8

TODO: Es necesario agregar más casos de prueba

python -m unittest discover -s tests ;

# http://stackoverflow.com/questions/14328406/
pip install autopep8 # if you haven't install
autopep8 . --recursive --in-place --pep8-passes 2000 --verbose

Crear automáticamente requisitos.txt

pip install pipreqs

pipreqs /path/to/project

http://stackoverflow.com/questions/31684375

Contribuciones/Comentarios

Siempre agradecemos sus comentarios y solicitudes de extracción.

Implementaciones de referencia

• https://github.com/nlintz/TensorFlow-Tutorials/
• https://github.com/golbin/TensorFlow-ML-Exercises
• https://github.com/FuZer/Study_TensorFlow
• https://github.com/fchollet/keras/tree/master/examples