keras examples

把keras里的examples做个整理

addition_rnn.py：两个不超过3位的数进行相加，以字符串的形式

antirectifier.py：展示如何自定义一个layers

babi_memnn.py
babi_rnn.py
数据集都是babi dataset，主要是阅读理解。
story是一些陈述句
question就是一个很简单的问题，where, who
answer一般一个单词就可以搞定

cifar10_cnn.py：图像分类，数据集是很多图片，总共10个类别

conv_filter_visualization.py：神经网络某一层的滤波器的可视化

conv_lstm.py：既有卷积网络，又有循环网络

deep_dream.py：把网络某一层所提取的特征放大，突出某种东西，应用到图片上很奇妙

image_ocr.py：perform optical character recognition？？？光学字符识别，指电子设备（扫描仪或数码相机）检查纸上打印的字符。具体实现还是蛮复杂的。

imdb_bidirectional_lstm.py
imdb_cnn.py
imdb_cnn_lstm.py
imdb_fasttext.py
imdb_lstm
lstm_benchmark.py
这些神经网络所要解决的问题都是情感分类问题。
数据集的读取得到的是一些数字矩阵，可能是已经转化为词向量了，
最后要得出的是情感类别，不是0就是1，应该就只分为正面和负面评价。

lstm_text_generation.py：从手写的东西里面生成文本

mnist_acgan.py
mnist_cnn.py
mnist_hierarchical_rnn.py
mnist_irnn.py
mnist_mlp.py
mnist_net2net.py
mnist_siamese_graph.py
mnist_sklearn_wrapper.py
mnist_swwae.py
mnist_transfer_cnn.py
手写数字识别问题

neural_doodle.py：将涂鸦变成绘画，需要有其他的图片参考，这样才能把一幅涂鸦变成一幅画

neural_style_transfer.py：两张图片合成一张图片，其中一张提供内容（base image），另外一张提供风格（一般是经典的）

pretrained_word_embeddings.py：在不能进行更新的某一层上，加载已经训练好的配置，采用的数据集是newsgroup dataset，要解决的还是text classification。

reuters_mlp.py：新闻主题分类问题

stateful_lstm.py：有状态的，可以理解为某些的初始状态是已知的？？？

variational_autoencoder.py：变自编码器，有什么用呢？
variational_autoencoder_deconv.py：同样也是搭建一个variational autoencoder，再使用一个deconvolution layers.