官网实例详解-目录和实例简介-keras学习笔记四

CTC模型（Connectionist temporal classification，联结时间分类）接在RNN网络的最后一层用于序列学习所用；对于一段长度为T的序列来说，每个样本点 t 在RNN网络的最后一层都会输出一个softmax向量，表示预测概率；接上CTC模型之后，就可以正确预测出序列的标签；

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

mnist_acgan.py Implementation of AC-GAN (Auxiliary Classifier GAN) on the MNIST dataset

基于MINIST数据集执行AC-GAN（辅助分类生成对抗网络）

GAN（Generative Adversarial Networks ，生成式对抗网络）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 D 都是神经网络，只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。一个优秀的GAN应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。

mnist_hierarchical_rnn.py Trains a Hierarchical RNN (HRNN) to classify MNIST digits.

训练分层循环神经网络（HRNN）分类MINIST数字

mnist_siamese.py Trains a Siamese multi-layer perceptron on pairs of digits from the MNIST dataset.

在MNIST数据集的一对数字上训练一个连体多层感知器

mnist_swwae.py Trains a Stacked What-Where AutoEncoder built on residual blocks on the MNIST dataset.

基于MNIST数据集训练堆叠建立在残余模块的自解码器

mnist_transfer_cnn.py Transfer learning toy example.

迁移学习实例

Text & sequences examples

文本&序列实例

addition_rnn.py Implementation of sequence to sequence learning for performing addition of two numbers (as strings).

演示序列学习实现2个数字（字符串格式）的加法

babi_rnn.py Trains a two-branch recurrent network on the bAbI dataset for reading comprehension.

基于bAbI数据集训练两个分支的循环（神经）网络，实现阅读理解（看图说话）

babi_memnn.py Trains a memory network on the bAbI dataset for reading comprehension.

基于bAbI数据集训练记忆网络，实现阅读理解（看图说话）

imdb_bidirectional_lstm.py Trains a Bidirectional LSTM on the IMDB sentiment classification task.

基于IMDB（Internet Movie Database，互联网电影资料库。亚马逊旗下，一个关于电影演员、电影、电视节目、电视明星和电影制作的在线数据库）训练双向LSTM实现情感分类任务

imdb_cnn.py Demonstrates the use of Convolution1D for text classification.

基于IMDB（数据库）使用一维度卷积文本分类

imdb_cnn_lstm.py Trains a convolutional stack followed by a recurrent stack network on the IMDB sentiment classification task.

训练一个卷积栈，后跟循环栈网络，基于IMDB进行情感分类任务

imdb_fasttext.py Trains a FastText model on the IMDB sentiment classification task.

基于IMDB（数据库）情感分类任务训练快速文本模型

imdb_lstm.py Trains an LSTM model on the IMDB sentiment classification task.

基于IMDB（数据库）情感分类任务训练LSTM（一种RNN网络）模型

lstm_stateful.py Demonstrates how to use stateful RNNs to model long sequences efficiently.

带状态RNN高效地对长序列进行建模演示

pretrained_word_embeddings.py Loads pre-trained word embeddings (GloVe embeddings) into a frozen Keras Embedding layer, and uses it to train a text classification model on the 20 Newsgroup dataset.

加载预训练的词嵌入（手动）到Keras已冻结嵌入层，并基于20个Newsgroup（新闻组）数据集训练一个文本分类模型

新闻组(英文名Usenet或NewsGroup)，简单地说就是一个基于网络的计算机组合，这些计算机被称为新闻服务器，不同的用户通过一些软件可连接到新闻服务器上，阅读其他人的消息并可以参与讨论。新闻组是一个完全交互式的超级电子论坛，是任何一个网络用户都能进行相互交流的工具。

reuters_mlp.py Trains and evaluate a simple MLP on the Reuters newswire topic classification task.

基于路透社的新闻专线主题分类任务，训练和评估一个简单的多层感知机。

Reuters，路透社（Reuters，LSE：RTR，NASDAQ: RTRSY）是世界上最早创办的通讯社之一，也是目前英国最大的通讯社和西方四大通讯社之一。路透社是世界前三大的多媒体新闻通讯社，提供各类新闻和金融数据，在128个国家运行。

Generative models examples

生成模型实例

lstm_text_generation.py Generates text from Nietzsche's writings.

基于尼采的作品生成文本（基于LSTM）

conv_filter_visualization.py Visualization of the filters of VGG16, via gradient ascent in input space.

通过输入空间中的梯度上升可视化VGG16滤波器

deep_dream.py Deep Dreams in Keras.

基于Keras的深度梦想（通过神经网络，生成梦幻的图片）

neural_doodle.py Neural doodle.

神经涂鸦

neural_style_transfer.py Neural style transfer.

神经风格转换

variational_autoencoder.py Demonstrates how to build a variational autoencoder.

如何建立变分自解码器

variational_autoencoder_deconv.py Demonstrates how to build a variational autoencoder with Keras using deconvolution layers.

使用Keras反卷积层建立变分自解码器演示

Examples demonstrating specific Keras functionality

Keras特定功能演示实例

antirectifier.py Demonstrates how to write custom layers for Keras.

如何使用Keras建立自定义层

mnist_sklearn_wrapper.py Demonstrates how to use the sklearn wrapper.

演示sklearn（scikit-learn，python机器学习库）包装器使用

mnist_irnn.py Reproduction of the IRNN experiment with pixel-by-pixel sequential MNIST in "A Simple Way to Initialize Recurrent Networks of Rectified Linear Units" by Le et al.

根据“A Simple Way to Initialize Recurrent Networks of Rectified Linear Units”（用RLU初始化RNN的简单方法）论文，基于MINIST数据集进行IRNN（Implementing Recurrent Neural Net using chainer，链表实现递归神经网络）实验

mnist_net2net.py Reproduction of the Net2Net experiment with MNIST in "Net2Net: Accelerating Learning via Knowledge Transfer".

根据“Net2Net: Accelerating Learning via Knowledge Transfe”（知识迁移加速学习）论文，基于MINIST数据集进行实验

reuters_mlp_relu_vs_selu.py Compares self-normalizing MLPs with regular MLPs.

比较自归一化感知机和规则感知机

mnist_tfrecord.py MNIST dataset with TFRecords, the standard TensorFlow data format.

TFRecords格式的MNIST数据集，该格式是Tensorflow标准数据格式

mnist_dataset_api.py MNIST dataset with TensorFlow's Dataset API.

基于TensorFlow数据集API（应用程序接口）的MINIST