深度学习21个案例

本工程是《21个项目玩转深度学习———基于TensorFlow的实践详解》的配套代码，代码推荐的运行环境为：Ubuntu 14.04，Python 2.7、TensorFlow >= 1.4.0。请尽量使用类UNIX系统和Python 2运行本书的代码。

欢迎有兴趣的同学猛戳下面的链接购买：

• 京东：https://item.jd.com/12327358.html
• 天猫：https://detail.tmall.com/item.htm?id=566399074299
• 当当：http://product.dangdang.com/25245282.html

写作这本书的初衷是希望提供一个深度学习实践案例的合集，让每个人都可以在“动手实验”的过程中，比较轻松地掌握深度学习和TensorFlow的使用技巧，并且能完整地做出一些有意思的项目。希望大家能在实践的过程中找到乐趣，如果有任何问题，欢迎通过issues提出纠错或改进建议。

快速指引

以下是各章代码详细的运行方法：

1. MNIST机器学习入门
2. CIFAR-10与ImageNet图像识别
3. 打造自己的图像识别模型
4. Deep Dream
5. 深度学习中的目标检测
6. 人脸检测和人脸识别
7. 图像风格迁移
8. GAN与DCGAN入门
9. pix2pix模型与自动上色技术
10. 超分辨率：让图像变得更清晰
11. CycleGAN与非配对图像转换
12. RNN基本结构与Char RNN文本生成
13. 序列分类问题详解
14. 词的向量表示：word2vec与词嵌入
15. 在TensorFlow中进行时间序列预测
16. 神经网络机器翻译技术
17. 看图说话：将图像转换为文字
18. 强化学习入门之Q Learning
19. 强化学习入门之SARSA算法
20. 深度强化学习：Deep Q Learning
21. 策略梯度（Policy Gradient）算法

本书包含的项目主要有三部分：第1～11章主要介绍CNN相关的项目，其中8~11章为GAN模型和它的几个重要变体；第12～17章主要介绍RNN、LSTM 相关的项目；第18～21章主要介绍强化学习相关的项目。

各章data文件夹下载地址

本工程主要包含的是项目的源代码文件，以chapter_1/ ~ chapter_21/ 标识。在有的章节中，还会额外需要一些数据集、模型等文件，我们用chapter_<章节名>_data/来表示。

例如：第四章有chapter_4/和chapter_4_data/两个文件夹，前者是源代码，后者是在运行程序时会用的数据文件。

由于数据文件通常比较大，建议读者在用到时候再进行下载，下载地址为：https://pan.baidu.com/s/1i7pKvFf，提取码：1kmf。

其他链接

• 意见反馈邮箱：hzydl21 [at] 163.com
• 我的专栏博客：AI Insight

致谢

感谢电子工业出版社的孙学瑛女士和宋亚东先生为本书付出的努力，同时也感谢刘婧源同学给本书的宝贵建议。本书对于来自于网络的代码，在书中和配套代码的Readme文件中，均作了引用说明，在此也对原作者表示深深的感谢。

Deep-Learning-21-Examples 快速上手指南

本指南基于《21 个项目玩转深度学习———基于 TensorFlow 的实践详解》配套代码，帮助开发者快速搭建环境并运行示例。

环境准备

本项目官方推荐在类 UNIX 系统下运行，以确保最佳兼容性。

• 操作系统：推荐 Ubuntu 14.04 或更高版本（其他 Linux 发行版及 macOS 通常也可行）。
• Python 版本：Python 2.7（注：原书代码基于 Python 2 编写，若需使用 Python 3 可能需自行修改代码）。
• 核心框架：TensorFlow >= 1.4.0。
• 其他依赖：根据具体章节需求，可能需要安装 OpenCV、Pillow、Numpy 等常见科学计算库。

安装步骤

1. 克隆项目代码

首先从 GitHub 获取源代码：

git clone https://github.com/hzy46/Deep-Learning-21-Examples.git
cd Deep-Learning-21-Examples

2. 安装 Python 依赖

建议使用 pip 安装所需的 Python 包。由于原项目较老，建议先安装兼容 TensorFlow 1.x 版本的依赖：

pip install tensorflow==1.15.0
pip install -r requirements.txt

(注：若根目录无 requirements.txt，请根据各章节 README.md 中的具体指引安装对应库，如 pip install opencv-python matplotlib 等)

3. 下载数据集与模型文件

代码中涉及的大型数据集和预训练模型未包含在 Git 仓库中，需单独下载。

• 下载地址：百度网盘链接
• 提取码：1kmf

使用说明： 各章节通常包含两个文件夹：

• chapter_X/：源代码（已克隆）。
• chapter_X_data/：数据文件（需手动下载）。

请将下载并解压后的 chapter_X_data 文件夹放置在对应的章节目录下，确保程序运行时能正确读取路径。例如，运行第 4 章前，需确保目录结构如下：

Deep-Learning-21-Examples/
├── chapter_4/          # 代码
└── chapter_4_data/     # 下载的数据文件

基本使用

本项目包含 21 个独立案例，涵盖 CNN、RNN、GAN 及强化学习等领域。以下以第一章"MNIST 机器学习入门”为例演示运行流程。

运行示例：MNIST 入门

1. 进入第一章目录：

   cd chapter_1
   

2. 确保已下载该章所需数据（如有），然后运行主程序：

   python mnist_softmax.py
   

   (具体脚本文件名请参考 chapter_1/README.md 中的指引，不同章节入口脚本名称不同)

探索其他章节

每个章节目录下均包含独立的 README.md 文件，详细说明了该特定项目的运行命令和参数。您可以按照以下模式切换实验：

# 例如运行第二章：CIFAR-10 图像识别
cd ../chapter_2
python cifar10_train.py  # 示例命令，请以实际文件名为准

建议按照书籍章节顺序或兴趣点，依次进入对应 chapter_X 目录查阅说明并执行代码。