AI学习入门资料整理（边学习边整理）

人工智能学习相关资料整理

• 梳理人工智能开发一些常规概念
• 常用人工智能开发主流框架及其优缺点
• 人工智能分支路线及分支相关技术
• 开源人工智能相关工具包

人工智能学习相关示例代码整理，包括tensorflow1.x、tensorflow2.x、pytorch实现

• 通过python3.x版本实现

• 只涉及机器学习、深度学习相关代码，非python入门示例代码

  • Hello World：
    • 支持常量、变量、矩阵、占位符使用
    • 支持加、减、乘、除、转置数学运算
    • 矩阵乘法及矩阵逐元素相乘效果对比
    • tensorflow1.x实现
    • tensorflow2.x实现
    • pytorch实现
  • 简单线性回归模型实现：
    • 支持设置epouchs(迭代次数)、batch_size(批次大小)、wrap_rate(预热比例)参数
    • 支持训练集/测试集 loss曲线、离散点效果图展示（matlab python库实现）
    • 支持模型的训练、模型保存与恢复。
    • 支持模型网络结构展示（tensorflow board实现）
    • tensorflow1.x实现
    • tensorflow2.x实现
    • pytorch实现

  loss曲线图	离散点图	网络图

• 常用小工具，例如爬虫，自动化中英文翻译工具（google、baidu、deepl、有道、彩云等）

  • 自动化机器翻译：中文——>英文；英文——>中文，实时保存
    • deepl平台自动化翻译（selenium+chromedriver）
    • google平台自动化翻译（selenium+chromedriver）
    • 百度平台自动化翻译（selenium+chromedriver）
    • 百度平台自动化翻译（百度翻译api实现）
    • 有道平台自动化翻译（selenium+chromedriver）
    • 彩云平台自动化翻译（selenium+chromedriver）
      

• 搭建简单人工智能训练平台

业务模块的技术方案梳理

• 整理图像、文本、语音具体任务及实现方案

示例代码运行

#pytorch 版本安装
pip install -r  example_code/pytorch/requirements.txt

#tensorflow_v1 版本安装
pip install -r  example_code/tensorflow_v1/requirements.txt

#tensorflow_v2 版本安装
pip install -r  example_code/tensorflow_v2/requirements.txt