tensorflowの勉強用
CNNと強化学習などについて触れる

AutoEncoderによる画像生成を行う

• AutoEncoder(AE)
• Denosing AutoEncoder(DAE)
• Variable AutoEncoder(VAE)
• Conditional Variable AutoEncoder(CVAE)

MonitoredTrainingSessionを使用し、Graph Modeで学習を行っていく
tensorboardでgraphや各数値を確認することが出来ます
ネットワーク構造は自分で作成することができるが、以下のネットワークはすでに作成済み

• LeNet
• VGG
• ResNet
• ResNext
• DenseNet
• SENet

GANによる画像生成ができる

• vanilla GAN(GAN)
• DCGAN
• Wasserstein GAN(WGAN)
• WGAN-GP
• Conditional GAN(CGAN)
• ACGAN

tensorflowのEager Modeを使用している
Eagerモード参考URL

使用できるデータセットは以下の通り

• mnist
• cifar10
• cifar100
• kuzushiji-mnist

使い方などは各ディレクトリのREADME.mdを見てください

$ brew install imagemagick
$ brew install pyenv
$ pyenv install 3.6.7
$ pyenv global 3.6.7
$ git clone https://github.com/KNakane/tensorflow.git
$ pip install -r requirements.txt
$ pip install tensorflow==1.12.0 or pip install tensorflow-gpu==1.12.0

全てのプログラムは基本的にここのディレクトリから呼び出して実行する必要がある

$ cd tensorflow
$ python path/to/dir.py --args

実行結果はresultsに格納される

以下のコマンドを用いて、results内にあるフォルダを指定することでグラフを作成することができる
コマンドラインで--probを入れることで確率分布のグラフも作成できる

$ cd tensorflow
$ python utility/event_getter.py --dir hogehoge
例) $ python utility/event_getter.py --dir results/190415_120510_ResNet results/190416_095125_ResNet

ディレクトリ構造は以下の通り
tensorflow
┃
┣ AutoEncoder : AutoEncoderが使用できるディレクトリ
┃
┣ CNN : CNNで学習するディレクトリ
┃
┣ GAN : GANを行うディレクトリ
┃
┣ MDN : Mixture Density Networkを行うディレクトリ
┃
┣ RNN : RNNで学習するディレクトリ
┃
┣ dataset : dataset取得用ディレクトリ
┃
┣ network : DLのNetworkを構築するディレクトリ
┃
┣ optuna : PFNが作成したハイパーパラメータチューニングを行うディレクトリ
┃
┣ rl
┃ ┣ agents : 強化学習用のAgent
┃ ┣ env : pygame用のenvironment構築
┃ ┣ atari : atariを使用して強化学習
┃ ┣ classic : 古典的なenvを使用して強化学習
┃ ┗ pygame : pygameを使用して強化学習
┃
┣ segmentation : segmentationを行うディレクトリ
┃
┣ utility
┃
┗ README.md