包含网络

——> 推荐使用：
Deep Belief Network (DBN)
Stacked Autoencoder (sAE)
Stacked Sparse Autoencoder (sSAE)
Stacked Denoising Autoencoders (sDAE)
——> 尝试更好的模型：
Convolutional Neural Network (CNN)
Recurrent Neural Network (RNN)
Long Short Term Memory (LSTM)

所依赖包

pip install tensorflow
pip install keras
pip install librosa （用于语音分类，选装）
pip install --upgrade --user numpy pandas h5py （升级包）

版本信息

Note 用户可以通过model.py文件控制一些功能的开关：
·→ self.show_pic => show curve in 'Console'?
·→ self.tbd => open/close tensorboard
·→ self.save_model => save/ not save model
·→ self.plot_para => plot W image or not
·→ self.save_weight => save W matrix or not
·→ self.do_tSNE => do t-SNE or not
Note 现在的代码里有个bug，不支持二分类，只支持多分类。如果要做二分类，
要把2类转换成 “2列” 的one-hot标签，不然会得到错误的结果

Version 2018.11.7
New 新增了两个数据集，一个用于分类，一个用于预测
New 新增t-SNE低维可视化
Chg 修正部分 use_for = 'prediction' 时的Bug

Version 2018.6.1
New 新增了绘制训练曲线图，预测标签分布图，权值图的功能
Chg 重写了SAE，现在可以放心使用了
Chg 代码的整体运行函数run_sess放到了base_func.py
Chg 回归是可以实现的，需要设置 use_for = 'prediction'

测试结果

用于minst数据集分类，运行得到正确率可达98.78%；
用于Urban Sound Classification语音分类，正确率达73.37%；
用于Big Mart Sales III预测，RMSE为1152.04

跑的结果并不是太高，有更好的方法请赐教。
语音分类未尝试语谱法，欢迎做过的和我交流。

USC: https://datahack.analyticsvidhya.com/contest/practice-problem-urban-sound-classification/
BMS III: https://datahack.analyticsvidhya.com/contest/practice-problem-big-mart-sales-iii/

参考资料

TF基本函数：http://www.cnblogs.com/wuzhitj/p/6431381.html
RBM原理：https://blog.csdn.net/itplus/article/details/19168937
Hinton源码：http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html
sDAE原论文：http://www.jmlr.org/papers/volume11/vincent10a/vincent10a.pdf
sSAE分析TE：https://www.sciencedirect.com/science/article/pii/S0169743917302496
RNN原理：https://zhuanlan.zhihu.com/p/28054589
LSTM：https://www.jianshu.com/p/9dc9f41f0b29
Tensorboard：https://blog.csdn.net/sinat_33761963/article/details/62433234

My blog

知乎：https://www.zhihu.com/people/fu-zi-36-41/posts
CSDN：https://blog.csdn.net/fuzimango/article/list/
QQ群：640571839