TensorFlow 教程

本仓库包含一系列杂项的 Jupyter 笔记本，用于实现或讲解不同的深度学习主题。所有模型均使用 TensorFlow 实现。

• DCGAN - 深度卷积生成对抗网络的实现。
• InfoGAN - InfoGAN 的实现：通过信息最大化生成对抗网络实现可解释的表征学习。
• 深度层可视化 - 关于在 MNIST 分类过程中可视化中间层激活的教程。
• 深度网络比较 - ResNet、HighwayNet 和 DenseNet 在 CIFAR10 分类任务中的实现。
• RNN-TF - 使用 TensorFlow 实现基础 RNN 的教程。
• t-SNE 教程 - 关于在 MNIST 分类任务中使用 t-SNE 可视化中间层表征的教程。

TF-Tutorials 快速上手指南

本指南旨在帮助开发者快速运行基于 TensorFlow 的深度学习教程集合，涵盖 DCGAN、InfoGAN、ResNet 等经典模型实现。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：推荐 Python 3.6 - 3.8（兼容大多数旧版 TensorFlow 教程）
• 核心依赖：
  • TensorFlow (CPU 或 GPU 版本)
  • Jupyter Notebook
  • NumPy, Matplotlib, Scikit-learn
• 硬件建议：若运行 GAN 或深层网络（如 ResNet），建议使用支持 CUDA 的 NVIDIA GPU 以加速训练。

安装步骤

1. 克隆仓库 打开终端，执行以下命令获取源码：

   git clone https://github.com/pkmital/tf_tutorials.git
   cd tf_tutorials
   

2. 创建虚拟环境（推荐）

   python -m venv tf_env
   source tf_env/bin/activate  # Windows 用户请使用: tf_env\Scripts\activate
   

3. 安装依赖 优先使用国内镜像源加速安装：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   注：若仓库根目录无 requirements.txt，请手动安装核心库：

   pip install tensorflow jupyter notebook numpy matplotlib scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

本仓库由多个独立的 Jupyter Notebook 组成，每个文件对应一个特定的深度学习主题。

1. 启动 Jupyter Notebook 在项目根目录下运行：

   jupyter notebook
   

   浏览器将自动打开并显示文件列表。

2. 运行示例：深度网络对比 (Deep Network Comparison)

   • 在浏览器中点击 Deep Network Comparison.ipynb。
   • 该教程演示了如何在 CIFAR10 数据集上实现和对比 ResNet、HighwayNet 和 DenseNet。
   • 按顺序点击单元格上方的 "Run" 按钮（或按 Shift + Enter）执行代码。
   • 代码会自动下载数据集、构建模型并开始训练，最终输出准确率对比图表。

3. 运行示例：生成对抗网络 (DCGAN)

   • 打开 DCGAN.ipynb。
   • 依次执行单元格，观察生成器如何从随机噪声中逐步学习生成逼真的图像。
   • 训练过程中会实时展示生成的中间结果图片。

提示：首次运行涉及数据集（如 MNIST, CIFAR10）的教程时，脚本会自动下载数据。若下载缓慢，可手动下载数据集并放置于当前目录，或修改代码中的数据加载路径。