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.js Machine Learning for the Web and Beyond.pdf

  2. TensorFlow.js, Google 提供的基于TensorFlow的Javascr ipt库。方便使用JS的开发者使用，并且可以为未来的边缘计算提供支持。TensorFlow. js: Machine Learning for the Web and beyond acceleration, notably TensorFire(Kwok et al., 2017), Propel Layers APl, which provides higher-level model buildin

  3. 所属分类：机器学习

    • 发布日期：2019-07-15
    • 文件大小：581632
    • 提供者：nicholaskong

  1. 利用tensorflow实现的卷积神经网络来进行MNIST手写数字图像的分类.py

  2. 利用tensorflow实现的卷积神经网络来进行MNIST手写数字图像的分类。 #导入numpy模块 import numpy as np #导入tensorflow模块，程序使用tensorflow来实现卷积神经网络 import tensorflow as tf #下载mnist数据集，并从mnist_data目录中读取数据 from tensorflow.examples.tutorials.mnist import input_data mnist = inpu

  3. 所属分类：深度学习

    • 发布日期：2020-03-18
    • 文件大小：8192
    • 提供者：aotomo740

  1. 结合知识图谱实现基于电影的推荐系统.pdf

  2. 在推荐算法中融入电影的知识图谱，能够将没有任何历史数据的新电影精准地推荐给目标用户。交叉特征矩阵 Cr 交叉单元 第层 el 7交叉压缩单元模型的结构 交叉压缩单元模型的具体处理过程如下 (1)将与进行矩阵相乘得到。 (2)将复制一份,并讲行转置得到。实现特征交叉融合 (3)将经过权重矩阵进行线性变化(与矩阵相乘) (4)将经过权重矩阵进行线性变化。 (5)将(3)与(4)的结果相加,再与偏置参数相加,得到。将用于推荐算法模型的后续计算。 (6)按照第(3)、(4)、(5)步的做法,同理可以得到

  3. 所属分类：机器学习

    • 发布日期：2019-09-02
    • 文件大小：867328
    • 提供者：zjxaut2008

  1. nvdla 入门翻译文档.pdf

  2. 翻译的NVDLA 加速引擎的文档，学习交流，一块进步！PU cPU Microcontroller DRAM AVULA NVD_A DODI SFAMI Small NVDLA system Large"NVDLA system 小NDLA模型 小型 NVDLA模型在以前不可行的领域开辟了深度学习技术。此模型非常适合对成本因素 比较敏感的物联网(IoT)类设备、A丨以及面向自动化的系统领域。这些系统具有明确的应 用方向,其成本、面积和功率是主要注意事项。通过N√DLA可配置实现资源节约(在成本

  3. 所属分类：硬件开发

    • 发布日期：2019-08-31
    • 文件大小：510976
    • 提供者：weixin_42119147

  1. TensorFlow的reshape操作 tf.reshape的实现

  2. 主要介绍了TensorFlow的reshape操作 tf.reshape的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-17
    • 文件大小：44032
    • 提供者：weixin_38742421

  1. 浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack

  2. 主要介绍了浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack，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：2020-09-16
    • 文件大小：43008
    • 提供者：weixin_38687648

  1. 浅谈tensorflow使用张量时的一些注意点tf.concat,tf.reshape,tf.stack

  2. 有一段时间没用tensorflow了，现在跑实验还是存在一些坑了，主要是关于张量计算的问题。tensorflow升级1.0版本后与以前的版本并不兼容，可能出现各种奇奇怪怪的问题。 1 tf.concat函数 tensorflow1.0以前函数用法：tf.concat(concat_dim, values, name=’concat’)，第一个参数为连接的维度，可以将几个向量按指定维度连接起来。 如： t1 = [[1, 2, 3], [4, 5, 6]] t2 = [[7, 8, 9], [1

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：46080
    • 提供者：weixin_38550146

  1. TensorFlow中如何确定张量的形状实例

  2. 我们可以使用tf.shape()获取某张量的形状张量。 import tensorflow as tf x = tf.reshape(tf.range(1000), [10, 10, 10]) sess = tf.Session() sess.run(tf.shape(x)) Out[1]: array([10, 10, 10]) 我们可以使用tf.shape()在计算图中确定改变张量的形状。 high = tf.shape(x)[0] // 2 width = tf.shape(x)[1]

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：45056
    • 提供者：weixin_38642369

  1. TensorFlow用expand_dim()来增加维度的方法

  2. TensorFlow中，想要维度增加一维，可以使用tf.expand_dims(input, dim, name=None)函数。当然，我们常用tf.reshape(input, shape=[])也可以达到相同效果，但是有些时候在构建图的过程中，placeholder没有被feed具体的值，这时就会包下面的错误：TypeError: Expected binary or unicode string, got 1 在这种情况下，我们就可以考虑使用expand_dims来将维度加1。比如我自己代

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：38912
    • 提供者：weixin_38578242

  1. TensorFlow 模型载入方法汇总(小结)

  2. 一、TensorFlow常规模型加载方法 保存模型 tf.train.Saver()类，.save(sess, ckpt文件目录)方法 参数名称 功能说明 默认值 var_list Saver中存储变量集合 全局变量集合 reshape 加载时是否恢复变量形状 True sharded 是否将变量轮循放在所有设备上 True max_to_keep 保留最近检查点个数 5 restore_sequentially 是否按顺序恢复变量，模型较大时顺序恢复内存消耗小

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：74752
    • 提供者：weixin_38664989

  1. TensorFlow dataset.shuffle、batch、repeat的使用详解

  2. 直接看代码例子，有详细注释！！ import tensorflow as tf import numpy as np d = np.arange(0,60).reshape([6, 10]) # 将array转化为tensor data = tf.data.Dataset.from_tensor_slices(d) # 从data数据集中按顺序抽取buffer_size个样本放在buffer中，然后打乱buffer中的样本 # buffer中样本个数不足buffer_size，继续从data数

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：44032
    • 提供者：weixin_38667835

  1. tf.layers.flatten()使用

  2. 函数定义 tf_export('layers.flatten') def flatten(inputs, name=None): """Flattens an input tensor while preserving the batch axis (axis 0). 保留axis(axis0)的同时平移输入张量，即把一个输入大小为n*h*w的Tensor变成n*(hw),相当于reshape特殊操作 Arguments: inputs: Tensor input. n

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：30720
    • 提供者：weixin_38597300

  1. tf.layers.flatten()使用

  2. 函数定义 tf_export('layers.flatten') def flatten(inputs, name=None): """Flattens an input tensor while preserving the batch axis (axis 0). 保留axis(axis0)的同时平移输入张量，即把一个输入大小为n*h*w的Tensor变成n*(hw),相当于reshape特殊操作 Arguments: inputs: Tensor input. n

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：30720
    • 提供者：weixin_38644097

  1. tensorflow2.1的维度变换

  2. 1、Reshape 函数的作用是将tensor变换为参数shape的形式，其中shape为一个列表形式，特殊的一点是列表中可以存在-1 -1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表只能存在一个-1。（如果存在多个-1，就是一个存在多解的方程） a = tf.random.normal([4, 28,28, 3]) a.shape, a.ndim Out[74]: (TensorShape([4, 28, 28, 3]), 4) tf.reshape(a, [4, 784,

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：39936
    • 提供者：weixin_38543460

  1. 手写体识别V2-keras

  2. 在网上下载一篇手写体识别程序V2版本的，原程序的精度大概有0.9946，已经调好了，我主要是研究这个程序的参数改变对本程序精度的影响。 import os import tensorflow as tf from tensorflow.keras.datasets import mnist from tensorflow.keras.utils import to_categorical import numpy as np (X_tarin, y_train), (X_test, y_test

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：102400
    • 提供者：weixin_38684892

  1. tensorflow对图像进行拼接的例子

  2. tensorflow对图像进行多个块的行列拼接tf.concat(), tf.stack() 在深度学习过程中，通过卷积得到的图像块大小是8×8×1024的图像块，对得到的图像块进行reshape得到[8×8]×[32×32]，其中[8×8]是图像块的个数，[32×32]是小图像的大小。通过tf.concat对小块的图像进行拼接。 -在做图像卷积的过程中，做了这样一个比较麻烦的拼接，现在还没想到更好的拼接方法，因为是块拼接，开始的时候使用了reshape，但是得到的结果不对，需要确定清楚数据的维

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：45056
    • 提供者：weixin_38571603

  1. Tensorflow tf.dynamic_partition矩阵拆分示例(Python3)

  2. 先给出一个样例看看 import tensorflow as tf raw = tf.constant([1, 2, 3, 4, 5, 6, 6, 5, 4, 3, 2, 1]) ''' 拆成 [1,2] [3,4] [5,6] [6,5] [4,3] [2,1] ''' result_1 = tf.dynamic_partition(tf.reshape(raw, [6,2]),[0, 1, 2, 3, 4, 5], 6) ''' 拆成 [1, 2, 3, 4, 5, 6] [6, 5,

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：41984
    • 提供者：weixin_38566318

  1. tflite2tensorflow:从.tflite生成saved_model，tfjs，t​​f-trt，EdgeTPU，CoreML，量化的tflite，ONNX，OpenVINO，无数推理引擎blob和.pb。支持使用Docker构建

  2. tflite2tensorflow 从.tflite生成saved_model，tfjs，t​​f-trt，EdgeTPU，CoreML，量化的tflite，ONNX，OpenVINO，无数推理引擎blob和.pb。 1.支持的图层 不。 TFLite层 TF层 评论 1个 CONV_2D tf.nn.conv2d 2个 DEPTHWISE_CONV_2D tf.nn.depthwise_conv2d 3 MAX_POOL_2D tf.nn.max_pool 4 软垫 tf垫

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：35651584
    • 提供者：weixin_42174098

  1. TensorFlow的reshape操作 tf.reshape的实现

  2. 初学tensorflow，如果写的不对的，请更正，谢谢！ tf.reshape(tensor, shape, name=None) 函数的作用是将tensor变换为参数shape的形式。 其中shape为一个列表形式，特殊的一点是列表中可以存在-1。-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。（当然如果存在多个-1，就是一个存在多解的方程了） 好了我想说的重点还有一个就是根据shape如何变换矩阵。其实简单的想就是， reshape（t, shap

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：43008
    • 提供者：weixin_38680393

  1. 使用Tensorflow实现可视化中间层和卷积层

  2. 为了查看网络训练的效果或者便于调参、更改结构等，我们常常将训练网络过程中的loss、accurcy等参数。 除此之外，有时我们也想要查看训练好的网络中间层输出和卷积核上面表达了什么内容，这可以帮助我们思考CNN的内在机制、调整网络结构或者把这些可视化内容贴在论文当中辅助说明训练的效果等。 中间层和卷积核的可视化有多种方法，整理如下： 1. 以矩阵（matrix）格式手动输出图像： 用简单的LeNet网络训练MNIST数据集作为示例： x = tf.placeholder(tf.float32,

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：55296
    • 提供者：weixin_38718415
« 12 »