深度学习（花书）代码和笔记

深度学习(花书)代码和笔记：一份深度学习的笔记（英文），以及相关的代码

# coding: UTF-8
‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘
    file name: main.py
    create time: 2017年09月01日 星期五 13时48分54秒
    author: Jipeng Huang
    e-mail: huangjipengnju@gmail.com
    github: https://github.com/hjptriplebee
‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘‘
# based on tensorflow/example/tutorials deepdream
import os
import argparse
import tensorflow as tf
import numpy as np
import cv2

# parameter
model_name = “tensorflow_inception_graph.pb“
imagenet_mean = 117.0
layer = ‘mixed4c‘
iter_num = 50
octave_num = 4
octave_scale = 1.4
learning_rate = 1.5
tile_size = 512
noise = np.random.uniform（size=（224 224 3）） + 100.0


def define_args（）:
    “““define args“““
    parser = argparse.ArgumentParser（description=“deep_dream“）
    parser.add_argument（“-i“ “--input“ help=“input path“ default=“none“）
    parser.add_argument（“-o“ “--output“ help=“output path“ default=“output/output.jpg“）
    return parser.parse_args（）


def get_model（）:
    “““download model“““
    model = os.path.join（“model“ model_name）
    if not os.path.exists（model）:
        print（“Down model...“）
        os.system（“wget https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip -P model“）
        os.system（“unzip model/inception5h.zip -d model“）
        os.system（“rm model/inception5h.zip“）
        os.system（“rm model/imagenet_comp_graph_label_strings.txt“）
    return model


def deep_dream（model output_path input_image=noise）:
    “““implement of deep dream“““
    # define graph
    graph = tf.Graph（）
    sess = tf.InteractiveSession（graph=graph）

    # load model
    with tf.gfile.FastGFile（model “rb“） as f:
        graph_def = tf.GraphDef（）
        graph_def.ParseFromString（f.read（））

    # define input
    X = tf.placeholder（tf.float32 name=“input“）
    X2 = tf.expand_dims（X - imagenet_mean 0）
    tf.import_graph_def（graph_def {“input“: X2}）

    # L2 and gradient
    loss = tf.reduce_mean（tf.square（graph.get_tensor_by_name（“import/%s:0“ % layer）））
    gradient = tf.gradients（loss X）[0]

    image = input_image
    octaves = []

    # tranforming TF function
    def tffunc（*argtypes）:
        placeholders = list（map（tf.placeholder argtypes））

        def wrap（f）:
            out = f（*placeholders）

            def wrapper（*args **kw）:
                return out.eval（dict（zip（placeholders args）） session=kw.get（‘session‘））

            return wrapper

        return wrap

    def resize（image size）:
        “““resize image in nparray“““
        image = tf.expand_dims（image 0）
        return tf.image.resize_bilinear（image size）[0 : : :]

    resize = tffunc（np.float32 np.int32）（resize）

    for i in range（octave_num - 1）:
        size = np.shape（image）[:2]
        narrow_size = np.int32（np.float32（size） / octave_scale）
        # down sampling and up sampling equal to smooth diff can save significance
        down = resize（image narrow_size）
        diff = image - resize（down size）
        image = do

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        306  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\.gitignore

     文件     149739  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\bak\function-approximation\figures\long.png

     文件      18630  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\bak\function-approximation\figures\model.png

     文件          0  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\bak\function-approximation\README.md

     文件       2395  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\bak\README.md

     文件       4601  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\pending\CNN_deepdream\DeepDream.py

     文件       2810  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\pending\CNN_deepdream\README.md

     文件        431  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\pending\README.md

     文件       8606  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\README.md

     文件      20424  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\卷积网络\img\network-structure.png

     文件      10413  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\卷积网络\img\share-weight.png

     文件      35705  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\卷积网络\img\sparse-representation.png

     文件       1587  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\卷积网络\README.md

     文件       6707  2019-04-12 20:34  深度学习（花书）代码和笔记\simplified-deeplearning-master\卷积网络\src\simple-mnist-CNN.ipynb

     文件       5519  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\卷积网络\简单卷积网络.md

     文件         23  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\实践调参\README.md

     文件        137  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\CharRNN.md

     文件      44701  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\img\sinx.png

     文件      51756  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\img\sinxx.png

     文件        327  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\LSTM.md

     文件        518  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\RNN.md

     文件     189589  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\rnn_func_approx.ipynb

     文件        565  2019-04-12 20:32  深度学习（花书）代码和笔记\simplified-deeplearning-master\循环递归网络\Sequence.md

     文件       8556  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\gradient_descent_loss.png

     文件      14309  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\graph_model.png

     文件      20007  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\laplace_dist.png

     文件      13163  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\local_min.png

     文件       9739  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\logistic_curve.png

     文件      11770  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\logistic_feature.png

     文件      17068  2019-04-12 20:33  深度学习（花书）代码和笔记\simplified-deeplearning-master\数学基础\img\max_min_saddle_point.png

............此处省略124个文件信息