Sdílet prostřednictvím

Příklady CNTK

  • Článek

Kurzy/ a příklady / složky / složky obsahují různé ukázkové konfigurace pro CNTK sítě pomocí rozhraní PYTHON API, C# a BrainScriptu. Příklady jsou strukturovány tématem do obrázku, Language Understanding, řeči atd. Pokud chcete začít s CNTK doporučujeme kurzy ve Tutorials složce.

Příklady v Pythonu

Nejlepším způsobem, jak se dozvědět o rozhraních API, je podívat se na následující příklady v adresáři [CNTK clone root]/Examples:

  • MNIST: Plně připojený model pro předávání informačních kanálů pro klasifikaci obrázků MNIST. (postupujte podle pokynů v tématu Příklady/Image/DataSets/MNIST/README.md)
  • TrainResNet_CIFAR10: Model ResNet klasifikace obrázků pro trénování datové sady obrázků CIFAR (postupujte podle pokynů v příkladech/ Image/DataSets/CIFAR-10/README.md a získejte datovou sadu CIFAR a převeďte ji do podporovaného formátu CNTK)
  • Výztužné učení: Učení se posílením pomocí hloubkových neurálních sítí Q (DQN).
  • SequenceClassification: Model klasifikace sekvence LSTM pro textová data.
  • Sequence2Sequence: Posloupnost k sekvenčnímu modelu překladu grafeme-to-phoneme, který trénuje na korpusu CMUDict.
  • Příklad interoperability NumpyInterop – NumPy ukazující, jak natrénovat jednoduchou síť pro předávání informačních kanálů s trénovacími daty, která se dodávají pomocí polí NumPy.
  • LanguageUnderstanding – Language Understanding.
  • CharacterLM: Jazykový model na úrovni znaků LSTM pro předpověď dalšího výstupního znaku v posloupnosti.
  • LightRNN: Implementace LightRNN v CNTK
  • WordLMWithSampledSoftmax: Jazykový model na úrovni slov s ukázkovým softmaxem.
  • Video – Základní 3D konvoluční sítě pro hluboké učení na video úlohách.

Přehled všech příkladů a kurzů poskytuje také stránka galerie modelů Cognitive Toolkit.

Příklady jazyka C#

Stránka CNTK Školení s příklady jazyka C# obsahuje příklady, které ukazují, jak sestavovat, trénovat a ověřovat modely DNN.

Příklady vyhodnocení

Stránka s příklady CNTK Eval poskytuje příklady, které ukazují, jak vyhodnotit předem vytrénované modely pomocí C++, C#/.NET, Pythonu a Javy.