标签：代码 网络 GAN 神经网络 图像 Net 分享 数据
如何学习深度学习，网上有各种各样的言论，但我比较推崇的是先撸一遍书，不求你都懂，实在不懂的可以暂时略过。这个过程主要是在脑海里形成一个全局概念，这里主要推荐西瓜书，和花书。当然看书对于某些人来说比较困难，也可以辅助的看视频，视频主要推荐吴恩达的机器学习和深度学习，斯坦福的cs231n等。看完之后开始上手写程序或者做项目，在项目或者程序中，在去巩固一些知识点，或者将之前不会的地方仔细研究一下。但是要从头到尾去写一个大的程序或者大的项目，对于初学者是比较困难的。这时比较方便且快捷的方法是我们需要去学习一下别人的代码，在他人代码的基础上进行修改来完成自己的项目。这样可以缩短自己的项目周期，使我们有更多时间去干一些更重要的事情。
如何去搜索别人的代码呢，首选是github，但在你使用关键词搜的时候会出现很多个代码，想要从中找出一个适合自己的，我或者直接上手能用的代码又需要花费很长时间。所以这里，为了节省大家时间，把自己的一些代码分享出来，希望对各位朋友有所帮助。这些代码是经过我的修改，有的也是我自己写的，都是基于keras编写的，且tensorflow的版本小于1，如果是tensorflow2.0则需要修改一些版本问题。下面神经网络的名称，关注“羽峰码字”公众号，回复对应的网络名称，就可以获取相关神经网络代码的百度网盘链接，希望对各位朋友有所帮助。也可以先收藏，之后如果用到，方便查找。今后也会分享其原理以及如何使用这些网络来训练自己的数据集，希望各位朋友多多关注呀。
-
image class
应用于图像分类的网络，图像分类集成以下模型：ResNet18、ResNet34、ResNet50、ResNet101、ResNet152、VGG16、VGG19、InceptionV3、Xception、MobileNet、AlexNet、LeNet、ZF_Net、DenseNet、mnist_net、TSL16等，还包含少量猫狗数据集。若电脑环境配置好，可以直接运行。上手快，内部有完整介绍，可以训练自己的数据集。
-
U-Net
传统U-Net网络，可修改数据地址，直接训练自己的数据集。
-
Res-U-Net
将传统U-Net网络中每个编码器和解码器替换成ResNet网络结构，可修改数据地址，直接训练自己的数据集。
-
Dense-U-net
将传统U-Net网络中每个编码器和解码器替换成DenseNet网络结构，可修改数据地址，直接训练自己的数据集。
-
DCGAN
学习GAN网络的入门基础网络之一，之后的GAN网络大都是借鉴此网络思想。
-
Pix2pix
学习GAN网络的入门基础网络之一，之后的GAN网络大都是借鉴此网络思想。主要做的是图像到图像的转换，Pix2pix网络要求提供image pairs，也即是要求提供x和y，整个思路为：从噪声z，根据条件x，生成和真实图片y相近的y‘。条件x和图像y是具有一定关联性的。
-
CycleGAN
学习GAN网络的入门基础网络之一，之后的GAN网络大都是借鉴此网络思想。主要做的是两个域之间的转换，CycalGAN不要求提供pairs，因为成对的图像数据集其实并不多。这里的x和y不要求有什么较好的关联性，可以是毫不相干的两幅图像。
-
SRGAN
使用GAN网络做超分辨率成像（从其低分辨率（LR）图像估计高分辨率（HR）图像的任务被称为超分辨率（SR））必读的经典之一。
-
YOLOv3
做图像中物体检测，主要优点是速度快但检测精度可能不高，之后还有新版本，yolov4,yolov5，但个人认为yolov3是经典之一，如果想做计算机视觉的话，应该必会的一种网络。
-
Faster RCNN
做图像中物体检测，主要优点是检测精度高，但速度可能不高，计算机视觉的经典网络之一。
标签：代码,网络,GAN,神经网络,图像,Net,分享,数据 来源： https://blog.csdn.net/m0_37940804/article/details/115695611
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。