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. tensorflow卷积神经网络

  2. 基于tensoflow1.8实现的卷积神经网络，包括两个卷积层，两个池化层，一个dropout层和一个输出层

  3. 所属分类：深度学习

    • 发布日期：2018-07-10
    • 文件大小：4096
    • 提供者：ch2725

  1. 基于tensorflow的SSD+SORT多目标跟踪源码

  2. 来源https://blog.csdn.net/ycc2011/article/details/85094651 根据上面两个代码，自己修改了对应的检测和关联数据接口； ！！！使用视频流作为数据输入，并输出对应的每帧图像到对应目录，同时显示追踪过程到屏幕上。具体可参考对应源码。 从文件夹中的notebook进入，修改对应视频数据流源地址和对应追踪关联后的输出数据。 我需要一些csdn下载积分供自己以后用，所以设置了分值。。。

  3. 所属分类：深度学习

    • 发布日期：2018-12-19
    • 文件大小：196083712
    • 提供者：ycc2011

  1. 多任务学习模型 python-keras实现 [tf-tensorflow-keras]

  2. 关键词：多输入多输出/BatchNormalization/dropout 两个不同领域输入，两个回归/分类任务， input_domain_a, input_domain_b concatenate(共享) task1:dense-BatchNormalization-dropout-dense task2:dense-BatchNormalization-dropout-dense

  3. 所属分类：深度学习

    • 发布日期：2019-07-10
    • 文件大小：2048
    • 提供者：zh_mars

  1. tensorflow学习笔记

  2. tensorflow学习笔记 目前主要有两种度量模型深度的方式。第一个观点是基于评估架构所需执行的 顺序指令的数目。假设我们将模型表示为给定输入后，计算对应输出的流程图，则 可以将这张流程图中的最长路径视为模型的深度。正如两个使用不同语言编写的等 价程序将具有不同的长度；相同的函数可以被绘制为具有不同深度的流程图，其深 度取决于我们可以用来作为一个步骤的函数。

  3. 所属分类：深度学习

    • 发布日期：2019-04-20
    • 文件大小：9437184
    • 提供者：grispeut

  1. Tensorflow2.0如何在网络中规定多个输出

  2. 有时，我们需要使所建立的网络输出多个层的结果（例如神经风格迁移中）。这时，我们需要在网络中定义输出。下面用VGG19网络举例。 加载VGG19模型 vgg = tf.keras.applications.VGG19(include_top=False, weights='imagenet') vgg.trainable = False 对于迁移学习，可以参考：Tensorflow2.0之tf.keras.applacations迁移学习 。 vgg.summary() 得到网络结构： Mod

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：34816
    • 提供者：weixin_38592256

  1. Tensorflow轻松实现XOR运算的方式

  2. 对于“XOR”大家应该都不陌生，我们在各种课程中都会遇到，它是一个数学逻辑运算符号，在计算机中表示为“XOR”，在数学中表示为“”，学名为“异或”，其来源细节就不详细表明了，说白了就是两个a、b两个值做异或运算，若a=b则结果为0，反之为1，即“相同为0，不同为1”. 在计算机早期发展中，逻辑运算广泛应用于电子管中，这一点如果大家学习过微机原理应该会比较熟悉，那么在神经网络中如何实现它呢，早先我们使用的是感知机，可理解为单层神经网络，只有输入层和输出层（在吴恩达老师的系列教程中曾提到过这一点，关

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：184320
    • 提供者：weixin_38612527

  1. Tensorflow累加的实现案例

  2. 由于python内部的变量其实都是reference，而Tensorflow实现的时候也没有意义去判断输出是否是同一变量名，从而判定是否要新建一个Tensor用于输出。Tensorflow为了满足所有需求，定义了两个不同的函数：tf.add和tf.assign_add。从名字即可看出区别，累加应该使用tf.assign_add。同理的还有tf.assign_sub和tf.assign。 具体地，笔者需要一个iteration counter类似的变量，即每次使用一个batch更新参数之后都使得该

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：39936
    • 提供者：weixin_38645862

  1. tensorflow实现将ckpt转pb文件的方法

  2. 本博客实现将自己训练保存的ckpt模型转换为pb文件，该方法适用于任何ckpt模型，当然你需要确定ckpt模型输入/输出的节点名称。    使用 tf.train.saver()保存模型时会产生多个文件，会把计算图的结构和图上参数取值分成了不同的文件存储。这种方法是在TensorFlow中是最常用的保存方式。     例如：下面的代码运行后，会在save目录下保存了四个文件： import tensorflow as tf # 声明两个变量 v1 = tf.Variable(tf.random

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：87040
    • 提供者：weixin_38607864

  1. python读取图片的方式,以及将图片以三维数组的形式输出方法

  2. 近期做个小项目需要用到python读取图片，自己整理了一下两种读取图片的方式，其中一种用到了TensorFlow，（TensorFlow是基于python3 的）。代码及运行结果如下所示： import numpy as np from PIL import Image import matplotlib.pyplot as plt image = Image.open(r'C:\Users\Administrator\Desktop\data\train\forest_001.jpg')

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：94208
    • 提供者：weixin_38673237

  1. tensorflow 基础API

  2. tensorflow 基础APItensorflow 常量（constant）创建常量矩阵创建常量、常量定义类型、定义一个随机数（标量）定义一个有2个元素的零向量、定义两个2×2的常量矩阵0维张量、字符串张量矩阵操作举例加法、平方、矩阵相乘、转置输出矩阵信息打印矩阵、打印范围行、打印第几行、用numpy输出输出矩阵形状、类型和numpy相互转换字符串张量创建字符串常量、打印字符串常量获得字符串长度、获得在utf8编码下的长度、将字符串从unicode转换成utf-8不等长矩阵、不等长矩阵转换成普

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：75776
    • 提供者：weixin_38556737

  1. ClassifierForCifar10_TensorFlow:分类CIFAR10数据的小分类器，为了交作业写的（基于TensorFlow源码），分别使用基础的CNN和ResNet两个网络进行了比对，同时是一个很典型的TensorFlow分

  2. 以CIFAR10数据为例的分类器 实验课作业，由于是很经典的分类任务，所以整理了一下记录下来，实际上TensorFlow源码中就有很好的CIFAR10示例（包含单机和多样化版本），不过既然要交作业，自己的在基础CNN分类的版本外，添加了使用ResNet进行分类的实验，收敛速度远快于基础CNN。 一，文件介绍 公用脚本 ops.py网络层封装实现，已被Advanced_CNN.py和ResNet.py调用cifar10_input.py ：数据读入相关函数脚本，包含对训练数据和测试数据的不同预先路

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：1002496
    • 提供者：weixin_42128015

  1. resnet_cough_classifier-源码

  2. resnet_cough_classifier 系统要求 安装Conda 需要Python版本> = 3.7.6 安装TensorFlow： pip3 install tensorflow 安装pip3 install keras ： pip3 install keras 安装scikit-learn： pip3 install scikit-learn 安装熊猫： pip3 install pandas 运行推理的步骤 将ResNet下载到目录中，然后运行python3 pre

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：126877696
    • 提供者：weixin_42099176

  1. siamesenetwork-tensorflow：使用siamese网络进行降维和相似图像检索-源码

  2. 暹罗网络Tensorflow 暹罗网络是包含两个或多个相同子网络的神经网络。 该网络的目的是发现两个相似事物之间的相似性或进行比较。 与使用交叉熵作为损失函数的分类任务不同，暹罗网络通常使用对比损失或三重损失。 暹罗网络具有很多功能，该存储库正在尝试使用暹罗网络进行降维和图像检索。 该项目遵循Hadsell-et-al.'06 [1]，方法是计算共享网络输出上的欧几里得距离，并优化对比损失（更多信息请参见论文）。 污染损失定义如下 的 是网络输出之间的距离 与输入 和输入 。 相似度函

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：6291456
    • 提供者：weixin_42117267

  1. Adversarial_Video_Generation：Mathieu，Couprie和LeCun的“超越均方误差的深度多尺度视频预测”的TensorFlow实现-源码

  2. 对抗视频生成 该项目实施了一个生成对抗网络，以预测视频的未来帧，如Mathieu，Couprie和LeCun的。 他们的官方代码（使用Torch）可在找到。 对抗生成使用两个网络（生成器和鉴别器）来提高生成图像的清晰度。 给定视频的过去四帧，生成器将学习为下一帧生成准确的预测。 给定生成的图像或真实世界的图像，鉴别器将学习正确地对生成的图像和真实图像进行分类。 这两个网络“竞争”，生成器试图欺骗鉴别器将其输出分类为真实。 这迫使生成器创建与域中实际帧看起来非常相似的帧。 结果与比较 我在Pac

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：9437184
    • 提供者：weixin_42122838

  1. BertSimilarity：使用Google的BERT算法计算两个句子的相似度。利用Bert计算句子相似度。语义相似度计算-源码

  2. 伯特相似度 基于Google的BERT模型来进行语义相似度计算。代码基于tensorflow 1。 1.基本原理 简单来说就是将需要需要计算的相似性的两个句子先分解在一起，然后通过伯特模型获取获取整体的编码信息，然后通过全连接层将维，输出相似和不相似的概率。 1.1模型结构 模型结构所示如下： 1.1.1数据预处理 本文使用Bert模型计算相似度前，首先要对输入数据进行预处理，例如当要处理的文本是： 如何得知关闭借呗 想永久关闭借呗 首先进行文本按token化，切成分割的文字排列： [如

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42099755

  1. seldon-core：一个MLOps框架，用于打包，部署，监视和管理数千个生产机器学习模型-源码

  2. Seldon Core：Swift燃烧，面向行业的ML 一个开源平台，可在Kubernetes上大规模部署您的机器学习模型。 总览 Seldon核心将您的ML模型（Tensorflow，Pytorch，H2o等）或语言包装器（Python，Java等）转换为生产REST / GRPC微服务。 Seldon可以扩展到数千种生产机器学习模型，并提供先进的机器学习功能，包括高级度量，请求日志记录，解释器，异常值检测器，A / B测试，Canaries等。 阅读 加入我们的，提出任何问题 入门 加

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：56623104
    • 提供者：weixin_42128558

  1. 《TensorFlow 深度学习》阅读笔记（三）—— 神经网络

  2. 二、神经网络 注：整理自《TensorFlow 深度学习》(龙龙老师)一书，侵删 神经网络组成 神经元模型如上图，X为输入的向量，W为超参数向量，b为偏置项。输出的计算公式如下： y=∑i=1nxiwi y = \sum_{i=1}^{n} x_iw_i y=i=1∑n​xi​wi​ 多个神经元，可以构成神经网络，如下图： 中间部分称为隐藏层，神经网络层数在计算的时候只计算隐藏层及输出层。 神经网络的实现 对于上述的神经网络有两种方式实现： 张量方式 # 隐藏层 1 张量 w1 = tf.

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：153600
    • 提供者：weixin_38602098

  1. tensoflow2.0学习笔记——手写识别（MNIST数据）的两种方法，附代码。

  2. 学习环境 电脑Windows10，环境anaconda3，开发语言Python3.7 目标 用tensorflow训练MNIST手写数据，并进行测试 实现方法（两种方法） 一、用tensorflow构建一个基本的神经网络，用于预测手写数字。          本例为3层神经网，包括一个输入层，两个隐层，一个输出层。          输入数据大小：28*28dpi的手写图片，即（28*28）的二维数组，展平后为长度784的数组。          直接上代码，代码后面有解析： import t

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：83968
    • 提供者：weixin_38675797

  1. TensorFlow Session会话控制&Variable变量详解

  2. 这篇文章主要讲TensorFlow中的Session的用法以及Variable。 Session会话控制 Session是TensorFlow为了控制和输出文件的执行语句，运行session.run()就能获得运算结果或者部分运算结果。我们在这里使用一个简单的矩阵相乘的例子来解释Session的两个用法。 首先我们要加载TensorFlow并建立两个矩阵以及两个矩阵所做的运算。这里我们建立一个一行两列的matrix1和一个两行一列的matrix2,让它们做矩阵的乘法。tf.matmul相当于nu

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：64512
    • 提供者：weixin_38632797

  1. TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法

  2. 在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？ 首先明确一点，loss是代价值，也就是我们要最小化的值 tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None) 除去name参数用以指定该操作的name，与方法有关的一共两个参数： 第一个参数logits：就是神经网络最后一层的输出，如果有batch的话，它的大小就是[bat

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：57344
    • 提供者：weixin_38560275
« 12 »