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. 北大tensorflow公开课笔记

  2. 第一讲 带着大家梳理人工智能领域的基本概念：比如什么是人工智能、什么机器学习、什么是深度学习，他们的发展历史是什么，能用他们做什么。课后，助教会带领大家安装Ubuntu系统、Python解释器 和 Tensorflow环境，把同学们的电脑进行改造，让它变得更专业。 第二讲 串讲python语法：课程将帮同学们在最短的时间内把python语法织成网，为后续课程扫清代码关； 第三讲 讲解Tensorflow的关键词，搭建神经网络：这节课会介绍张量、计算图、会话等概念，并用Python搭建你的第一个

  3. 所属分类：深度学习

    • 发布日期：2018-05-25
    • 文件大小：10181831
    • 提供者：weixin_39711936

  1. TensorFlow一种用于大规模机器学习的系统

  2. TensorFlow是一个机器学习系统，其运行于大规模和异构环境。张量流使用数据流图来表示计算、共享状态以及改变该状态的操作。它将数据流图的节点映射到多台机器上的一个集群中，以及跨多个计算设备的机器中，包括多核CPU，通用GPU和定制设计的ASIC，称为张张良处理单元（TPU）。这种架构给应用程序开发人员极大的灵活性，而以前设计的“参数服务器”共享的管理状态是内置在系统中的。TensorFlow使开发人员能够尝试新颖的优化和训练算法。TensorFlow支持各种应用程序、特别强大的训练和支持深

  3. 所属分类：机器学习

    • 发布日期：2018-06-12
    • 文件大小：680960
    • 提供者：ljpone

  1. 深度学习之思维导图

  2. 本文是一份超全的深度学习思维导图，涵盖深度学习的基础概念、架构和优化策略，并以TensorFlow为例，列举深度学习各个模块的介绍。

  3. 所属分类：深度学习

    • 发布日期：2019-01-08
    • 文件大小：2097152
    • 提供者：gaoyu1253401563

  1. 深度学习思维导图

  2. 由dformoso整理超全的深度学习思维导图。涵盖深度学习的基础概念、架构和优化策略，并以TensorFlow为例，列举深度学习各个模块的介绍

  3. 所属分类：深度学习

    • 发布日期：2019-01-10
    • 文件大小：4194304
    • 提供者：rfhjty

  1. Python-使用图解卷积网络和引导树搜索的组合优化

  2. 这是使用图卷积网络和引导树搜索求解最大独立集问题的tensorflow实现。 图卷积网络实现基于GCN

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：486400
    • 提供者：weixin_39840515

  1. 深度学习思维导图分享.rar

  2. 详细的深度学习思维导图，涵盖基础概念、函数，及优化策略，并以TensorFlow为例，列举深度学习相关知识。

  3. 所属分类：电信

    • 发布日期：2020-03-29
    • 文件大小：2097152
    • 提供者：Jafe123

  1. glow编译器，降低了计算图之间的计算量

  2. 具体描述Glow编译器的基础知识，glow是通过减少计算图的计算量来优化的have implemented a high-level intermediate represen Variable name: save saveLl tation that allows a compiler to reason about and Value: 0.000000e+C0 output: floaK optimize high-level constructs such as tensors and

  3. 所属分类：其它

    • 发布日期：2019-07-27
    • 文件大小：843776
    • 提供者：xiao_mei_mei

  1. TensorFlow Graph Optimizations.pdf

  2. 详细地阐述了TensorFlow上执行图优化算法，对于深入了解TensorFlow框架很有意义，为各种DAG执行引擎的设计提供技术指导！Open, standard software for general machine learning TTensorFlow Great for Deep Learning in particular http://tensorflow.org/ First released Nov 2015 and Apache 2.0 license https://g

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：1048576
    • 提供者：chengenbao

  1. tensorflow实现softma识别MNIST

  2. 识别MNIST已经成了深度学习的hello world，所以每次例程基本都会用到这个数据集，这个数据集在tensorflow内部用着很好的封装，因此可以方便地使用。 这次我们用tensorflow搭建一个softmax多分类器，和之前搭建线性回归差不多，第一步是通过确定变量建立图模型，然后确定误差函数，最后调用优化器优化。 误差函数与线性回归不同，这里因为是多分类问题，所以使用了交叉熵。 另外，有一点值得注意的是，这里构建模型时我试图想拆分多个函数，但是后来发现这样做难度很大，因为图是在规定变量

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：47104
    • 提供者：weixin_38517122

  1. 用tensorflow构建线性回归模型的示例代码

  2. 用tensorflow构建简单的线性回归模型是tensorflow的一个基础样例，但是原有的样例存在一些问题，我在实际调试的过程中做了一点自己的改进，并且有一些体会。 首先总结一下tf构建模型的总体套路 1、先定义模型的整体图结构，未知的部分，比如输入就用placeholder来代替。 2、再定义最后与目标的误差函数。 3、最后选择优化方法。 另外几个值得注意的地方是： 1、tensorflow构建模型第一步是先用代码搭建图模型，此时图模型是静止的，是不产生任何运算结果的，必须使用Session

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：67584
    • 提供者：weixin_38682086

  1. TensorFlow在MAC环境下的安装及环境搭建

  2. 给大家分享一下TensorFlow在MAC系统中的安装步骤以及环境搭建的操作流程。 TensorFlow 底层的图模型结构清晰，容易改造；支持分布式训练；可视化效果好。如果做长期项目，接触较大数据集的话，TensorFlow很适用，而且谷歌也在不断优化完备它，对于使用深度学习朋友，TensorFlow是一个很好的工具。 在学习了一段时间台大李宏毅关于deep learning的课程，以及一些其他机器学习的书之后，终于打算开始动手进行一些实践了。 感觉保完研之后散养状态下，学习效率太低了，于是便想

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：857088
    • 提供者：weixin_38717171

  1. tensorflow学习之搭建神经网络——four

  2. 1.基于tensorflow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。 2.张量：多维数组（列表） 阶：张量的维数 张量可以表示0阶到n阶数组（列表） 3.数据类型：tf.float32 tf.int32 In[1]表示导入tensorflow模块简写为tf 最后显示的地方：add是节点名，0表示第0个输出，shape表示维度，2表示一维数组长度2，dtype表示数据类型 4.计算图：搭建神经网络的计算过程，只搭建，不

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：51200
    • 提供者：weixin_38538950

  1. Tensorflow学习实战之多层神经网络mnist手写识别

  2. Tensorflow学习实战之多层神经网络mnist手写识别数据准备构建模型训练模型评估结果可视化显示输出错误预测 激活函数： sigmod函数为s型 relu为修正线性单元函数 tanh双曲正切 这里使用的relu激活函数，输出使用softmax多分类，中间使用了3层隐藏层，优化器使用AdamOptimizer，损失函数定义loss_function=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=forward,la

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：475136
    • 提供者：weixin_38611527

  1. 【深度学习系列（六）】：RNN系列（3）：基于Tensorflow的RNN的实战之英文名字生成

  2. 了解RNN的基本单元及其改进之后，接下来我们使用RNN进行一个简单的名字生成实战来了解实际使用中需要注意的地方及要点，废话不多说。。。 目录 一、数据预处理及加载 1、数据预处理 2、数据加载 二、RNN模型搭建 三、在动态图中训练模型 四、模型预测 五、RNN模型的优化技巧 一、数据预处理及加载 这里使用的数据为一系列的英文人名，具体链接: https://pan.baidu.com/s/1pPCw_dRUXQnwH1YOsKqxXQ， 提取码: cx5w。 1、数据预处理 文本是一类序列数

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：146432
    • 提供者：weixin_38675777

  1. DiffMorph:通过应用翘曲贴图并对其进行优化，可以在没有参考点的情况下对图像进行变形-源码

  2. 可微变形 通过应用变形贴图并对其进行优化，可以在没有参考点的情况下对图像进行变形。 可微变形是一种机器学习算法，可以在没有参考点的情况下对任意两个图像进行变形。 之所以称其为“可区分的变体”，是因为在传统数据中，此处的神经网络并未用于标注映射意义，而是一种简单的方法来解决优化问题，在该问题中，一幅图像通过通过梯度下降找到的翘曲图映射到另一幅图像。 因此，找到地图后，就不需要网络本身了。 结果 依存关系 Tensorflow 2.1.3及更高版本。 用法 安装适当的依赖项： pip insta

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：8388608
    • 提供者：weixin_42181693

  1. aisys2021-源码

  2. AI Systems 2021年Spring 公告内容 时间表（待定） 星期 演讲 第1周3.2 / 4 课程大纲。 ML基础结构案例研究（来宾讲座）。 第2周3.9 / 11 MLSys。 Facebook AI基础设施AI硬件：GPU（宾客讲座），TPU 第3周3.16 / 18 ML生命周期。 隐藏的技术债务。 基准：MLPerf。 GPU分析 第4周3.23 / 25 ML框架：TensorFlow，PyTorch，JANUS。 第5周3.30 / 4.1 ML编译器：

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：1024
    • 提供者：weixin_42166623

  1. DeepLearningTensorflow：使用TensorFlow进行深度学习和机器学习的练习文件-源码

  2. 使用TensorFlow进行深度学习和机器学习 按 这些是使用进行的练习文件。 课程大纲可以在下面找到 第一天 第1单元入门 什么是TensorFlow 安装并运行TensorFlow 模块2基本Tensorflow操作 持续的 图操作 数学 矩阵 占位符 多变的 模块3数据集 MNIST手写数字数据集 CIFAR图像数据集 一种热编码/解码 将数据集拆分为培训/测试 第4单元TF上的机器学习 回归ML模型 损失函数 优化器 训练 保存并加载模型 单元5神经网络（NN） 什么是神经网

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：21504
    • 提供者：weixin_42139302

  1. tensorflow-MTCNN：人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头-源码

  2. 张量流 人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头，代码参考 ，相应地减少了尺寸和优化。 模型理解 是目前比较流行的人脸检测方法，通过人脸检测可以进行更精准的人脸识别。模型主要通过PNet，RNet，ONet三个网络级联，一步一步精调来对人脸进行更准确的检测。论文中的模型图如下： 接下来我会从我在训练中的理解来解释MTCNN模型都干了什么。三个模型要按顺序训练，首先是PNet，然后RNet，最后ONet。 PNet： PNet

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：14680064
    • 提供者：weixin_42121412

  1. tflearn：深度学习库，具有针对TensorFlow的更高级别的API-源码

  2. TFLearn：深度学习库，具有用于TensorFlow的更高级别的API。 TFlearn是建立在Tensorflow之上的模块化且透明的深度学习库。 它旨在向TensorFlow提供更高级别的API，以促进和加速实验，同时保持完全透明并与之兼容。 TFLearn功能包括： 易于使用和理解的用于实现深度神经网络的高级API，包括教程和示例。 通过高度模块化的内置神经网络层，正则化器，优化器，指标...进行快速原型制作 Tensorflow完全透明。 所有功能都基于张量构建，可以独立于T

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：932864
    • 提供者：weixin_42140716

  1. 纹理合成-使用卷积神经网络：论文的Tensorflow实现-“使用卷积神经网络进行纹理合成”-源码

  2. 卷积神经网络的纹理合成 Tensorflow实现的论文-“使用卷积神经网络进行纹理合成” 在此笔记本中，我们将基于给定的纹理生成新的纹理。 输出将从刮擦噪声图像生成。 该过程的步骤如下。 同样，创建笔记本是为了便于自学。 步骤1：预处理输入图像 步骤2：计算输入图像所有图层的输出。 步骤3：什么是损失函数，并计算损失函数。 步骤4：运行Tensorflow模型以最小化损耗并优化输入噪声变量。 步骤5：后期处理并显示图像。 第6步：自动化处理流程 步骤7：绘制成功结果。 结果： 档案：

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：17825792
    • 提供者：weixin_42113754
« 12 »