Tensroflow练习

相关数据集下载地址：链接:https://pan.baidu.com/s/1GMv7_3qruoVZBJMvN-afGA 密码:ako7 基于tf1.4

目录

1、基础 基本语法 tensorBoard使用 dropout 模型保存与重载 基本神经网络 卷积神经网络 2、自然语言相关 static_RNN dynamic_RNN LSTM LSTM_regression seq2seq seq2seq_attention 3、强化学习相关 Q-learning SARSA SARSA-lambda DQN Double DQN Dueling DQN Prioritized Replay DQN Policy Gradient Actor-Critic DDPG Pointer-Network MADDPG 4、推荐系统 FM FFM DeepFM Deep Cross Network P NN NFM AFM MLR DIN Bandit GBDT+LR evaluation-metrics NCF 5、GAN Basic GAN SeqGAN

推荐阅读

1、基础 TensorFlow基础知识点总结 用tensorboard来看看我们的网络流吧 使用dropout来避免过拟合吧 使用Tensorflow实现第一个神经网络吧！ 实现CNN对mnist手写数字分类 2、自然语言相关 使用简单的RNN观测数字中的规律 更进一步，使用LSTM实现对手写数字识别 简单的Seq2Seq实现作对联 使用Seq2Seq+attention model实现简单的Chatbot 3、强化学习相关 实战深度强化学习DQN-理论和实践 DQN三大改进(一)-Double DQN DQN三大改进(二)-Prioritised replay DQN三大改进(三)-Dueling Network 深度强化学习-Policy Gradient基本实现 深度强化学习-Actor-Critic算法原理和实现 深度强化学习-DDPG算法原理和实现 Pointer-network理论及tensorflow实战 探秘多智能体强化学习-MADDPG算法原理及简单实现 4、推荐系统 推荐系统遇上深度学习(一)--FM模型理论和实践 推荐系统遇上深度学习(二)--FFM模型理论和实践 推荐系统遇上深度学习(三)--DeepFM模型理论和实践 推荐系统遇上深度学习(四)--多值离散特征的embedding解决方案 推荐系统遇上深度学习(五)--Deep&Cross Network模型理论和实践 推荐系统遇上深度学习(六)--PNN模型理论和实践 推荐系统遇上深度学习(七)--NFM模型理论和实践 推荐系统遇上深度学习(八)--AFM模型理论和实践 推荐系统遇上深度学习(九)--评价指标AUC原理及实践 推荐系统遇上深度学习(十)--GBDT+LR融合方案实战 推荐系统遇上深度学习(十一)--神经协同过滤NCF原理及实战 推荐系统遇上深度学习(十二)--推荐系统中的EE问题及基本Bandit算法 推荐系统遇上深度学习(十三)--linUCB方法浅析及实现 推荐系统遇上深度学习(十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》 推荐系统遇上深度学习(十五)--强化学习在京东推荐中的探索 推荐系统遇上深度学习(十六)--详解推荐系统中的常用评测指标 推荐系统遇上深度学习(十七)--探秘阿里之MLR算法浅析及实现 推荐系统遇上深度学习(十八)--探秘阿里之深度兴趣网络(DIN)浅析及实现 推荐系统遇上深度学习(十九)--探秘阿里之完整空间多任务模型ESSM 推荐系统遇上深度学习(二十)--贝叶斯个性化排序(BPR)算法原理及实战 推荐系统遇上深度学习(二十一)--阶段性回顾 推荐系统遇上深度学习(二十二)--DeepFM升级版XDeepFM模型强势来袭！ 推荐系统遇上深度学习(二十三)--大一统信息检索模型IRGAN在推荐领域的应用 推荐系统遇上深度学习(二十四)--深度兴趣进化网络DIEN原理及实战！ 推荐系统遇上深度学习(二十五)--当知识图谱遇上个性化推荐 推荐系统遇上深度学习(二十六)--知识图谱与推荐系统结合之DKN模型原理及实现 推荐系统遇上深度学习(二十七)--知识图谱与推荐系统结合之RippleNet模型原理及实现 5、GAN 听说GAN很高大上，其实就这么简单 对抗思想与强化学习的碰撞-SeqGAN模型原理和代码解析