CNTK exempel

Mapparna Tutorials/ och Examples/ innehåller en mängd olika exempelkonfigurationer för CNTK nätverk med hjälp av Python API, C# och BrainScript. Exemplen struktureras efter ämne i Bild, Language Understanding, Tal och så vidare. För att komma igång med CNTK rekommenderar vi självstudierna Tutorials i mappen.

Python-exempel

Det bästa sättet att lära sig om API:erna är att titta på följande exempel i katalogen [CNTK klona rot]/Exempel:

• MNIST: En helt ansluten feed-forward-modell för klassificering av MNIST-bilder. (följ anvisningarna i Exempel/Bild/DataSets/MNIST/README.md)
• TrainResNet_CIFAR10: En resNet-modell för bildklassificering för träning på CIFAR-bilddatauppsättningen. (Följ anvisningarna i Exempel/Bild/DataSets/CIFAR-10/README.md för att hämta CIFAR-datauppsättningen och konvertera den till formatet CNTK som stöds)
• ReinforcementLearning: Förstärkningsinlärning med DQN (Deep Q Neural Networks).
• Sekvensklassificering: En LSTM-sekvensklassificeringsmodell för textdata.
• Sequence2Sequence: En sekvens för att sekvensera grapheme-to-phoneme-översättningsmodellen som tränar på CMUDict-corpus.
• NumpyInterop – NumPy-samverkansexempel som visar hur du tränar ett enkelt feed-forward-nätverk med träningsdata som matas med hjälp av NumPy-matriser.
• LanguageUnderstanding – Language Understanding.
• CharacterLM: En språkmodell på LSTM-teckennivå som förutsäger nästa utdatatecken i en sekvens.
• LightRNN: Implementering av LightRNN i CNTK.
• WordLMWithSampledSoftmax: En språkmodell på ordnivå med exempel på softmax.
• Video – Grundläggande 3D-faltningsnätverk för djupinlärning i videouppgifter.

En översikt över alla exempel och självstudier tillhandahålls också av sidan Cognitive Toolkit modellgalleri.

C#-exempel

Sidan CNTK Träning med C#-exempel innehåller exempel som visar hur du skapar, tränar och validerar DNN-modeller.

Utvärderingsexempel

Sidan CNTK Eval-exempel innehåller exempel som visar hur du utvärderar förtränade modeller med C++, C#/.NET, Python och Java.