资源介绍
addition_rnn.py 执行序列学习以执行两个数字（作为字符串）的添加。
antirectifier.py 演示如何为Keras编写自定义图层。
babi_memnn.py 在bAbI数据集上训练一个内存网络以进行阅读理解。
babi_rnn.py 在bAbI数据集上训练一个双支循环网络，以便阅读理解。
cifar10_cnn.py 在CIFAR10小图像数据集上训练一个简单的深CNN。
conv_filter_visualization.py 通过输入空间中的渐变上升可视化VGG16的过滤器。
conv_lstm.py 演示使用卷积LSTM网络。
deep_dream.py 深深的梦想在克拉斯。
image_ocr.py 训练一个卷积堆叠，后跟一个循环堆栈和一个CTC logloss函数来执行光学字符识别（OCR）。
imdb_bidirectional_lstm.py 在IMDB情绪分类任务上训练双向LSTM。
imdb_cnn.py 演示使用Convolution1D进行文本分类。
imdb_cnn_lstm.py 在IMDB情绪分类任务上训练一个卷积堆栈，后跟一个循环堆栈网络。
imdb_fasttext.py 在IMDB情绪分类任务上训练一个FastText模型。
imdb_lstm.py 在IMDB情绪分类任务上训练一个LSTM。
lstm_benchmark.py 比较IMDB情绪分类任务上不同的LSTM实现。
lstm_text_generation.py 生成尼采文字的文字。
mnist_acgan.py 在MNIST数据集上实现AC-GAN（辅助分类器GAN）
mnist_cnn.py 在MNIST数据集上训练一个简单的convnet。
mnist_hierarchical_rnn.py 训练一个分级RNN（HRNN）来分类MNIST数字。
mnist_irnn.py Le等人在“以简单的方式初始化整流线性单元的反复网络”中再现具有逐像素连续MNIST的IRNN实验。
mnist_mlp.py 在MNIST数据集上训练一个简单的深层多层感知器。
mnist_net2net.py 在“Net2Net：通过知识转移加速学习”中再现带有MNIST的Net2Net实验。
mnist_siamese_graph.py 从MNIST数据集中的一对数字上训练暹罗多层感知器。
mnist_sklearn_wrapper.py 演示如何使用sklearn包装器。
mnist_swwae.py 列出了一个堆栈，其中AutoEncoder在MNIST数据集上的剩余块上构建。
mnist_transfer_cnn.py 转移学习玩具的例子。
neural_doodle.py 神经涂鸦。
neural_style_transfer.py 神经样式转移。
pretrained_word_embeddings.py 将预训练的词嵌入（GloVe embeddings）加载到冻结的Keras嵌入层中，并使用它在20个新闻组数据集上训练文本分类模型。
reuters_mlp.py 在路透社newswire主题分类任务上训练并评估一个简单的MLP。
stateful_lstm.py 演示如何使用有状态的RNN有效地建模长序列。
variational_autoencoder.py 演示如何构建变体自动编码器。
variational_autoencoder_deconv.py 演示如何使用反褶积层使用Keras构建变体自动编码器。