DeepLearningZeroToAll

Código de laboratório (WIP), mas solicite comentários

Este é o código para laboratórios abordados nos tutoriais básicos do TensorFlow (em coreano) em https://youtu.be/BS6O0zOGX4E. (Também temos planos de gravar vídeos em inglês.)

Este é um trabalho em andamento e pode conter bugs. No entanto, solicitamos seus comentários e solicitações de pull. Confira nossa linha de guia de estilo:

• Mais estilo TF (1.0): use APIs TF mais recentes e decentes.
• Mais Pythonic: aproveite totalmente o poder do python
• Legibilidade (em vez de eficiência): Como é para fins de instrução, preferimos legibilidade a outros.
• Compreensibilidade (sobre tudo): Compreender os conceitos-chave do TF é o objetivo principal deste código.
• KISS: Mantenha a simplicidade, estúpido! https://www.techopedia.com/definition/20262/keep-it-simple-stupid-principle-kiss-principle

Slides de laboratório:

• https://goo.gl/jPtWNt

Agradecemos seus comentários nos slides.

Regra de nomenclatura de arquivos:

• klab-XX-X-[nome].py: código dos laboratórios Keras
• lab-XX-X-[nome].py: código do laboratório TensorFlow
• mxlab-XX-X-[nome].py: código do laboratório MXNet

Requisitos de instalação

pip install -r requirements.txt

Execute teste e autopep8

TODO: É necessário adicionar mais casos de teste

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

Criar requisitos.txt automaticamente

pip install pipreqs

pipreqs /path/to/project

http://stackoverflow.com/questions/31684375

Contribuições/Comentários

Sempre recebemos seus comentários e solicitações de pull.

Implementações de referência

• 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