注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Deep Learning for NLP with TensorFlow2.0.zip

  2. 最新基于TensorFlow 2.0的NLP实操介绍，重点介绍Embeddings，seq2seq，attention和神经机器翻译等经典的NLP主题，以及Transformer、BERT和XLNet等现代深度学习架构.

  3. 所属分类：深度学习

    • 发布日期：2020-07-10
    • 文件大小：9437184
    • 提供者：demm868

  1. 基于tensorflow的深度学习猫狗识别.zip

  2. 本项目是基于tensorflow2的猫狗识别，采用了卷积神经网络和迁移学习的方法对猫狗进行学习，欢迎对深度学习感兴趣的朋友进行下载。

  3. 所属分类：Python

    • 发布日期：2020-11-06
    • 文件大小：69206016
    • 提供者：u012410628

  1. 基于卷积神经网络（CNN）的火焰识别探讨（一）

  2. 环境描述     操作系统：windows10     开发语言：python3.7.6     深度学习后端：tensorflow2.1.0     深度学习前端：keras（ts内嵌的keras）     显卡：GTX1050TI（安装cuda）     一、准备数据     从百度或谷歌上搜火、火焰、火灾等图片，建立两个文件夹（因为是二分类问题，有火or无火）fire和nofire。效果如下：     截图的文件夹分为conv和不带conv的文件夹，其实是火和无火的图片是经过多次添加的，

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：972800
    • 提供者：weixin_38526208

  1. 深度学习（基于Tensorflow2.0）学习笔记——Day4

  2. 主要内容 昨天我们已经成功训练了一个有效的神经网络，并且对官方提供的Fashion-MNIST数据集进行了分类，准确率达到了80%以上。但是这个准确率远远达不到应用的要求，那么，如何来提高神经网络的分类效率呢？这也就引出了我们接下来学习的内容： 数据归一化处理 回调函数的作用 数据归一化处理 归一化大家都不陌生，简单的理解，它的作用就是把你需要用到的数据经过处理后（通过某种算法）将其限制在你所规定的范围内。那么神经网络为什么需要归一化呢？我总结了以下几点： 取消量纲。举一个直观的例子，若样本x的

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：67584
    • 提供者：weixin_38683195

  1. 深度学习（基于Tensorflow2.0）学习笔记——Day3

  2. 引言 经过一番折腾，我们终于配置好了Tensorflow2.0的环境，接下来通过Tensorflow来一起揭开深度学习的神秘面纱吧。 实战Tensorflow分类器 首先我们打开我们昨天的Hello TF工程，进入编辑界面之后，依次点击Kernel -> Restart & Clear Output，这样就可以把上一次的编译结果清除了。为了避免产生一些不必要的错误，我们尽量在每次重新打开一个工程的都要执行此操作，然后再重新运行。 完成之后，我们在这里首先把今天以及以后需要用到的python

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：389120
    • 提供者：weixin_38692184

  1. tensorsketch:用于tensorflow 2.0的轻量级库-源码

  2. 张量草图 TensorSketch是用于tensorflow 2.0的轻量级深度学习库。 它的目标是成为一个简单的深度学习库，它将PyTorch和Keras的一些便利集成在一起。 如果您习惯了基于PyTorch的基本项目的生命周期，并且想要一种简单的方法来使用TensorFlow，那么此库适合您:-) 安装 pip install tensorsketch 可以与TF 1.0（启用v2）和TF 2.0一起使用。 示范 在此可以找到tensorsketch的演示。

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：26624
    • 提供者：weixin_42126677

  1. luna：Luna的灵感来自功能可视化框架Lucid。 但是，Luna基于Tensorflow 2构建，因此支持现代模型和深度学习技术-源码

  2. 露娜 受启发，Luna是Tensorflow的功能可视化包。 虽然Lucid不支持Tensorflow 2，因此错过了许多现代功能和使用现代模型的能力，但Luna是以Tensorflow 2为核心构建的。 Luna正在积极开发中。 它不是可用于生产的研究代码，并且缺少Lucid的许多功能。 用法 您可以直接在代码中使用此包。 如果将此软件包放在python文件旁边，则可以在文件中使用以下软件包： from luna.pretrained_models import models from l

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：17408
    • 提供者：weixin_42129113

  1. tf2rl：TensorFlow2强化学习-源码

  2. TF2RL TF2RL是一个深度强化学习库，它使用TensorFlow 2.x实现了各种深度强化学习算法。 演算法 支持以下算法： 算法 分立行动 持续动作 支持 类别 ， ✓ ✓ 免模型按策略RL （包括 ， ， ， ， ） ✓ -- 免模型离网RL （包括和 ） -- ✓ 免模型离网RL ✓ ✓ 免模型离网RL -- ✓ -- 免模型离网RL ， ✓ ✓ -- 基于模型的RL ， ， （包括） ✓ ✓ -- 模仿学习 以下文

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：131072
    • 提供者：weixin_42160278

  1. tensorflow-tutorial-samples：TensorFlow2教程TensorFlow 2.0教程入门教程实战案例-源码

  2. TensorFlow 2.0教程入门教程实战案例 用最白话的语言，讲解机器学习，神经网络与深度学习样本基于TensorFlow 1.4和TensorFlow 2.0实现 相关链接 ， ， ， OpenAI体育馆 介绍了策略梯度算法（策略梯度）来玩CartPole-v0 介绍了DQN（深度Q学习）来玩MountainCar-v0游戏 Q-Table用神经网络来代替。 介绍了使用Q-Learning（创建Q-Table）来玩MountainCar-v0游戏 将连续的状态离散化。 介绍了使用纯

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：23068672
    • 提供者：weixin_42139460

  1. 带有TensorFlow的深度学习书：深度学习入门开源书，基于TensorFlow 2.0案例实战。基于TensorFlow 2.0框架的开源深度学习书-源码

  2. TensorFlow 2.0深度学习开源书（龙书） 基于理论上的实战结合，非常适合入门学习！！！ 本仓库包含pdf电子书，配套源代码，配套课件等。部分代码已替换为Ipython Notebook形式，感谢这位的整理。 开源电子版pdf还可以从提取码：juqs 本书被“机器之心”，“量子位”等权威媒体报道！ 本库在Github趋势日榜单连续多天全球排名第一！ 提交错误或修改等反馈意见，请在Github页面提交 联系邮箱（一般问题建议Github issues交流）：liangqu.long AT

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：97517568
    • 提供者：weixin_42125867

  1. spektral：具有Keras和Tensorflow 2的图神经网络-源码

  2. 欢迎来到Spektral Spektral是一个基于Keras API和TensorFlow 2的用于图深度学习的Python库。该项目的主要目标是提供一个简单而灵活的框架来创建图神经网络（GNN）。 您可以使用Spektral对社交网络的用户进行分类，预测分子特性，使用GAN生成新图形，聚类节点，预测链接以及图形描述数据的任何其他任务。 Spektral实现了一些最流行的图深度学习层，包括： 和许多其他（请参阅）。 您还可以找到，包括： 全局池 Spektral还包括许多实用程序，用于

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：218112
    • 提供者：weixin_42123456

  1. Dive-into-DL-TensorFlow2.0：本项目将《动手学深度学习》（Dive into Deep Learning）原书中的MXNet实现替代TensorFlow 2.0实现，项目已获得李沐老师的认可-源码

  2. 将原书中MXNet代码实现转换TensorFlow2实现。通过的导师咨询李沐老师，这个项目的实施已得到李沐老师的同意。原书作者：阿斯顿·张，李沐，扎卡里C.立顿，亚历山大J.斯莫拉以及其他社区贡献者，GitHub地址： : 此书的，版本存在一些不同，本项目主要针对此书的中文版进行TensorFlow2转换。另外，本项目也参考了该书的中文版进行PyTorch替代的项目 ，在此表示感谢。 逐步更新到十章，持续更新中。。。 已项目被机器之心等多家公众号，受到并且李原作者沐的 简介 本仓库主要包含代

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：32505856
    • 提供者：weixin_42121412

  1. 深度学习（基于Tensorflow2.0）学习笔记——Day2

  2. 引言 昨天已经把关于深度学习的一些基础知识简要回顾了一下，那么从今天开始就要正式开始实战了。正所谓“万事开头难”，但如果不迈出第一步就永远无法知道自己究竟能不能完成。所以不要望而生畏，更不能眼高手低，放低自己的姿态，脚踏实地的研究下去。 Tensorflow2.0环境配置 刚开始在配置Tensorflow2.0环境的时候（准确来说是2.0alpha，当时正式版还没有发布），费了不少的时间，而且直到最后也没能安装成功。所以在这里我建议大家可以用conda安装，配置一个TF2.0虚拟环境。原因是这种

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：614400
    • 提供者：weixin_38747211

  1. 基于tensorflow2.0的深度学习

  2. 人工神经网络 Artificial neural networks(ANN) 一、神经元->感知器->多层感知器 感知器（The Perceptron） 神经元： 神经元是线性阈值单元(LTU)、又叫阈值逻辑单元（TLU） LTU的工作： 首先每个输入都有一个对应的权重 然后LTU对其加权求和：z = w1 x1 + w2 x2 + ⋯ + wn xn = x⊺ w 再对结果应用一个阶跃函数产生最后的输出：hw(x) = step(z)=step( x⊺ w) 其中阶跃函数ste

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：833536
    • 提供者：weixin_38719475

  1. 深度学习模型部署与剪枝优化实例.rar

  2. 分享一套深度学习相关的视频教程，名字：深度学习模型部署与剪枝优化实例，唐老师录制，非常棒的一套课程。课程主要包括两大核心模块：1.基于深度学习框架PyTorch与Tensorflow2版本演示模型部署方法，使用docker工具简化环境配置与迁移问题；2.详解经典剪枝与模型设计论文并基于实例进行演示

  3. 所属分类：深度学习

    • 发布日期：2021-01-18
    • 文件大小：322
    • 提供者：atipa

  1. 深度学习模型部署与剪枝优化实例.rar

  2. 深度学习模型部署与剪枝优化实例视频教程下载。深度学习模型部署与剪枝优化实例课程旨在帮助同学们快速掌握模型部署与优化方法。 主要包括两大核心模块： 1.基于深度学习框架PyTorch与Tensorflow2版本演示模型部署方法，使用docker工具简化环境配置与迁移问题； 2.详解经典剪枝与模型设计论文并基于实例进行演示。 整体风格通俗易懂，用最接地气的方式带领同学们快速掌握部署方法与优化实例。

  3. 所属分类：深度学习

    • 发布日期：2021-01-11
    • 文件大小：630
    • 提供者：huhuge88