Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Die Lernprogramme/Beispiele/-Ordner enthalten eine Vielzahl von Beispielkonfigurationen für CNTK Netzwerke mithilfe der Python-API, C# und BrainScript.
Die Beispiele werden in Bild, Language Understanding, Sprache und so weiter strukturiert. Um mit CNTK zu beginnen, empfehlen wir die Lernprogramme im Tutorials Ordner.
Python-Beispiele
Die beste Möglichkeit, sich über die APIs zu informieren, besteht darin, die folgenden Beispiele im Verzeichnis [CNTK Klonenstamm]/Beispiele zu betrachten:
- MNIST: Ein voll verbundenes Feed-Forward-Modell für die Klassifizierung von MNIST-Bildern. (folgen Sie den Anweisungen in Beispielen/Image/DataSets/MNIST/README.md)
- TrainResNet_CIFAR10: Ein Bildklassifizierungsmodell für Schulungen im CIFAR-Bilddatensatz. (folgen Sie den Anweisungen in Beispielen/Image/DataSets/CIFAR-10/README.md, um das CIFAR-Dataset abzurufen und in das unterstützte Format CNTK zu konvertieren)
- ReinforcementLearning: Stärkung des Lernens mit Deep Q Neural Networks (DQN).
- SequenceClassification: Ein LSTM-Sequenzklassifizierungsmodell für Textdaten.
- Sequence2Sequence: Eine Sequenz zum Sequenzieren von Grapheme-zu-Phoneme-Übersetzungsmodell, das im CMUDict-Korpus trainiert.
- NumpyInterop - NumPy-Interoperabilitätsbeispiel, das zeigt, wie Sie ein einfaches Feed-Forward-Netzwerk mit Schulungsdaten trainieren, die mithilfe von NumPy-Arrays bereitgestellt werden.
- LanguageUnderstanding – Language Understanding.
- CharacterLM: Ein LSTM-Sprachmodell, um das nächste Ausgabezeichen in einer Sequenz vorherzusagen.
- LightRNN: Implementierung von LightRNN in CNTK.
- WordLMWithSampledSoftmax: Ein Sprachmodell auf Wortebene mit beispielgesteuertem Softmax.
- Video – Grundlegende 3D-Verbindernetzwerke für tiefes Lernen in Videoaufgaben.
Eine Übersicht über alle Beispiele und Lernprogramme wird auch auf der Seite Cognitive Toolkit Modellkatalog bereitgestellt.
C#-Beispiele
Auf der Seite "CNTK Schulung mit C#-Beispielen" finden Sie Beispiele zum Erstellen, Trainieren und Überprüfen von DNN-Modellen.
Bewertungsbeispiele
Auf der Seite "CNTK Eval-Beispiele" finden Sie Beispiele, in denen gezeigt wird, wie vorab trainierte Modelle mithilfe von C++, C#/.NET, Python und Java ausgewertet werden.