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之自定义神经网络层实例

  2. 今天小编就为大家分享一篇tensorflow之自定义神经网络层实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：57344
    • 提供者：weixin_38522323

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？ Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：1048576
    • 提供者：weixin_38571104

  1. tf.keras.layers.Layer自定义层

  2. 为了进一步了解上一篇中的class，搜了github如下示例： import tensorflow as tf class MyLayer(tf.keras.layers.Layer): def __init__(self, output_dim, **kwargs): self.output_dim = output_dim super(MyLayer, self).__init__(**kwargs) def build(self, inpu

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：55296
    • 提供者：weixin_38629391

  1. tensorflow 实现自定义layer并添加到计算图中

  2. 目的 将用户自定义的layer结合tensorflow自带的layer组成多层layer的计算图。 实现功能 对2D图像进行滑动窗口平均，并通过自定义的操作layer返回结果。 import tensorflow as tf import numpy as np sess = tf.Session() #将size设为[1, 4, 4, 1]是因为tf中图像函数是处理四维图片的。 #这四维依次是： 图片数量，高度， 宽度， 颜色通道 x_shape = [1,4,4,1] x_val = np

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：39936
    • 提供者：weixin_38669091

  1. tensorflow之自定义神经网络层实例

  2. 如下所示： import tensorflow as tf tfe = tf.contrib.eager tf.enable_eager_execution() 大多数情况下，在为机器学习模型编写代码时，您希望在比单个操作和单个变量操作更高的抽象级别上操作。 1.关于图层的一些有用操作 许多机器学习模型可以表达为相对简单的图层的组合和堆叠，TensorFlow提供了一组许多常用图层，以及您从头开始或作为组合创建自己的应用程序特定图层的简单方法。TensorFlow在tf.keras包中包含完整

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：58368
    • 提供者：weixin_38748721

  1. SaConvSLTM:用于时空预测的自注意ConvLSTM，在`https中进行了描述-源码

  2. 概述 自我时空ConvLSTM用于时空预测 SaConvSTLM在此描述的 在MovingMNIST 上MovingMNIST测试 项目结构 load_data.py 包含用于下载数据集，对数据集进行预处理和保存预测图片到文件夹的实用函数 ConvSTLM_main.py 使用· tensorflow.keras.layers.ConvLSTM2D的网络模型及其训练测试 SaConvSTLM.py 基于tensorflow实现了单元SaConvLSTM2DCell和层SaConvLSTM2D ，

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：50331648
    • 提供者：weixin_42173205

  1. TF_Toolbox:所有事物的组织化回购TensorFlow-源码

  2. TF_Toolbox 针对所有TensorFlow的组织化回购：教程，数据和模型。 实施模型的步骤 实现自定义功能。 实施自定义图层以存储自定义功能（如果可能）。 实现连接自定义功能和图层的自定义模型。 讲解 tf == 0.0.0的dummy_tutorial tf == 2.4.1〜IN_PROGRESS的data_prep 楷模 请阅读“ model_standards.ipynb”以了解实施准则！ tf == 0.0.0的model_a 注意：（是/否） 论文链接： 其他资

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_42107491

  1. learn-tensorflow:TensorFlow官方文档教程-源码

  2. TensorFlow教程-Google官方文档 描述 在此版本中，我重新实现了TensorFlow教程，以掌握可用于实现深度神经网络以解决各种机器学习问题的概念和工具。 如果要检查官方网站，请单击。 概括 按照官方文档，我将内容分为主题和子主题，以便： 初学者 Keras的ML基础 基本图像分类 基本文字分类 使用TF Hub进行文本分类 回归 过拟合和欠拟合 保存并加载 使用Keras Tuner调整超参数 其他示例 加载和预处理数据 图片 CSV NumPy 熊猫.DataFrame

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：27648
    • 提供者：weixin_42112685

  1. tensorflow2-crash-course：一个快速的速成课程，用于了解TensorFlow 2和集成的Keras API的要点-源码

  2. TensorFlow 2速成课程 快速的速成课程，了解TensorFlow 2和集成的Keras API的要点。 必需品包括 了解张量 了解TensorFlow中的层 张量运算 梯度下降 使用渐变磁带进行自动差异 自定义训练循环 顺序，功能和子类化API 广域网和深层网络 深度学习基础 层，优化器，学习率 密集神经网络（ANN） 激活功能 批量归一化，辍学 动态学习率政策 卷积神经网络（CNN） 作者：

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1048576
    • 提供者：weixin_42113380

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：1048576
    • 提供者：weixin_38679233

  1. Different-ml：Keras Tensorflow 2中的差异机器学习-源码

  2. 使用autodiff和autoencoder进行差分深度学习 [在收到来自Savine的初步反馈和输入后，修订待定。] 笔记本提供了Brian Huge和Antoine Savine的差异机器学习方法的另一种技术实现（请参见工作论文和Risk ），并基于差异机器学习GitHub 提供的示例和实现为基础。 该笔记本可在Colab中执行，而无需进行其他设置。 笔记本的主要功能随Tensorflow 2中的Keras模型框架一起使用。笔记本为反向传播提供了两种替代实现： 在前馈模型（又称为双网

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：17825792
    • 提供者：weixin_42132056

  1. 运行时：TensorFlow的高性能和模块化运行时-源码

  2. TFRT：新的TensorFlow运行时 TFRT是新的TensorFlow运行时。 它旨在为各种特定领域的硬件提供具有同类最佳性能的统一，可扩展的基础架构层。 它提供了对多线程主机CPU的有效利用，支持完全异步的编程模型，并专注于低级效率。 TFRT将使广泛的用户受益，但是如果您是： 研究人员希望尝试复杂的新模型并向TensorFlow添加自定义操作 应用程序开发人员在生产中提供模型时寻求改进的性能 硬件制造商希望将硬件插入TensorFlow，包括边缘和数据中心设备 ...或者您只是对很

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：15728640
    • 提供者：weixin_42109125

  1. advanced-tensorflow：更多高级TensorFlow实现-源码

  2. 先进的TensorFlow （更多+重构）高级TensorFlow实现的集合。 尽我所能用一个Jupyter Notebook实现算法。 去噪自动编码器 卷积自动编码器（使用反卷积） 可变自动编码器 二维玩具示例上的AVB 基本分类（MLP和CNN） 自定义数据集生成 使用自定义数据集进行分类（MLP和CNN） MLP和CNN的OOP样式实现 使用TF-SLIM进行预训练的网络使用 具有预训练网络的班级激活图 预处理Linux内核源 使用Char-RNN进行训练和采样 具有梯度反转层的

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：22020096
    • 提供者：weixin_42140716

  1. word-rnn-tensorflow：使用TensorFlow在Python中用于单词级语言模型的多层递归神经网络（LSTM，RNN）-源码

  2. 单词张量流 使用TensorFlow在Python中使用词层语言模型的多层递归神经网络（LSTM，RNN）。 大多数重用的代码来自 ，其灵感来自Andrej Karpathy的 。 要求 基本用法 要在tinyshakespeare语料库上使用默认参数进行训练，请运行： python train.py 从经过训练的模型中采样 python sample.py 要使用波束搜索进行拾取，请使用--pick参数。 可以使用--width参数进一步自定义光束搜索，该参数设置要搜索的光束数量。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：451584
    • 提供者：weixin_42168341

  1. 深度学习TensorFlow：使用TensorFlow即可使用各种深度学习算法的实现-源码

  2. TensorFlow的深度学习算法 该存储库是使用库实现的各种深度学习算法的集合。 该软件包旨在用作命令行实用程序，您可以使用它来快速训练和评估流行的深度学习模型，并且可以将它们用作自定义模型/数据集的基准/基线。 如果您想使用ipython的软件包或将其集成到代码中，我发布了一个名为yadlt的pip软件包： yadlt Another Deep Learning Tool。 要求： 张量流> = 1.0 可用型号清单： 卷积网络 受限玻尔兹曼机 深层信仰网络 深度自动编码器作为RB

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：68608
    • 提供者：weixin_42119281

  1. NeuralNetwork.NET：受TensorFlow启发的神经网络库，它是在C＃7.3中为.NET Standard 2.0从零开始构建的，并通过cuDNN支持GPU-源码

  2. 它是什么？ NeuralNetwork.NET是一个.NET Standard 2.0库，它实现了具有可自定义层的顺序图和计算图神经网络，并使用C＃从头开始构建。 它提供了一些简单的API，这些API设计用于快速原型设计，以使用随机梯度下降法定义和训练模型，以及保存/加载网络模型及其元数据等的方法。 该库还公开了具有更高级功能的CUDA加速层，这些功能利用GPU和cuDNN工具包极大地提高了训练或使用神经网络时的性能。 免责声明：此库按原样提供，不再被积极维护。 NeuralNetwork.

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：11534336
    • 提供者：weixin_42126274

  1. Echo：Python软件包，包含神经网络中使用的所有自定义层（与PyTorch，TensorFlow和MegEngine兼容）-源码

  2. 回声 目前正在开发中。 下一版本包括激活，优化程序和注意层。 我们计划将文档转移到GitBook。 我们的新版本将在除夕发布。 更新-CI和测试管道已修复。 现在，我们将添加模块以发布第一个完整版本。 MegEngine将转移到dev分支 正在建设中的Gitbook文档可在查看。 Sphinx文档已弃用。 关于 创建Echo Package的目的是为了提供最有前途的数学算法，新颖的层和方法的实现，而这些最流行的深度学习库（例如 ， 和中缺少这些。 设定说明 要从PyPI安装echoAI软件包

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：56320
    • 提供者：weixin_42131405

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38681736

  1. 基于TensorFlow中自定义梯度的2种方式

  2. 前言 在深度学习中，有时候我们需要对某些节点的梯度进行一些定制，特别是该节点操作不可导（比如阶梯除法如 ），如果实在需要对这个节点进行操作，而且希望其可以反向传播，那么就需要对其进行自定义反向传播时的梯度。在有些场景，如[2]中介绍到的梯度反转(gradient inverse)中，就必须在某层节点对反向传播的梯度进行反转，也就是需要更改正常的梯度传播过程，如下图的 所示。 在tensorflow中有若干可以实现定制梯度的方法，这里介绍两种。 1. 重写梯度法 重写梯度法指的是通过tens

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：121856
    • 提供者：weixin_38564598

  1. TensorFlow_AdvancedTechniques:TensorFlow-源码

  2. TensorFlow_高级技术 TensorFlow：deeplearning.ai的高级技术专长 课程1：自定义模型，层和损失函数 功能性API 自定义损失函数 自定义层 定制模型 回呼 课程2：使用TensorFlow进行自定义和分布式培训 差异和梯度 定制培训 图形模式 分布式培训 课程3：使用TensorFlow进行高级计算机视觉 计算机视觉概论 对象检测（包括TensorFlow对象检测API） 图像分割 可视化和可解释性

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：36700160
    • 提供者：weixin_42160278
« 12 »