TensorFlow:实战Google深度学习框架(第2版)
电子书推荐
-
TensorFlow实战PDF+代码,TensorFlow实战Google深度学习框架+代码 评分:
《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow(基于1.0版本API)。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理,TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络:AutoEncoder、MLP、CNN(AlexNet,VGGNet,Inception Net,ResNet)、Word2Vec、RNN(LSTM,Bi-RNN)、Deep Reinforcement Learning(Policy Network、Value Network)。此外,《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习,在工业界或者研究中快速地将想法落地为可实践的模型。 购买地址:https://item.jd.com/12125568.html 《TensorFlow:实战Google深度学习框架》为使用TensorFlow深度学习框架的入门参考书,旨在帮助读者以更快、更有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导,从实际应用问题出发,通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《TensorFlow:实战Google深度学习框架》包含了深度学习的入门知识和大量实践经验,是走进这个更新、更火的人工智能领域的推荐参考书。 购买地址:https://item.jd.com/12125572.html
上传时间:2017-09 大小:44.65MB
- 3KB
Tensorflow实现AlexNet
2017-12-28Tensorflow实现AlexNet,但是做了点修改,将最后一层的relu激活函数改成了sigmoid函数,主要是为了实现深度哈希
- 41KB
tensorflow实现GoogLeNet-InceptionV1
2021-01-06GoogLeNet Inception v1 结构 及 pytorch、tensorflow、keras、paddle实现ImageNet识别 环境 python3.6,tensorflow-gpu 1.12.0 代码 # -*- coding: utf-8 -*- # @Time : 2020/2/3 9:56 # @Author : Zhao HL # @File : InceptionV1-tensorflow.py import sys, cv2, os import numpy as np import pandas as pd from PIL import Image impo
- 10KB
ResNet的TensorFlow实现
2019-01-22VGGNet和GoogLeNet等网络都表明有足够的深度是模型表现良好的前提,但是在网络深度增加到一定程度时,更深的网络意味着更高的训练误差。误差升高的原因是网络越深,梯度弥散[还有梯度爆炸的可能性]的现象就越明显,所以在后向传播的时候,无法有效的把梯度更新到前面的网络层,靠前的网络层参数无法更新,导致训练和测试效果变差。所以ResNet面临的问题是怎样在增加网络深度的情况下有可以有效解决梯度消失的问题。ResNet中解决深层网络梯度消失的问题的核心结构是残差网络。
- 96.61MB
Tensorflow pdf
2018-01-06Tensorflow 实战Google深度学习框架 Tensorflow 实战Google深度学习框架
- 4.98MB
TensorFlow程序设计.pdf
2018-04-24TensorFlow编程基础;TensorFlow系统架构;分布式TensorFlow技术;TensorFlow与自然语言处理等
- 96.65MB
Tensorflow 实战Google深度学习
2017-11-02Tensorflow 实战Google深度学习框架. pdf 带书签的版本 。
- 132KB
tensorflow学习总结.pdf
2019-08-22学习《Tensorflow 实战Google深度学习框架.pdf》,对立面重要概念的一个总结,适合初学者
- 44.42MB
TensorFlow-Google-Deep-Learning-Framework-in-Action:TensorFlow实战Google深度学习框架源代码。https
2021-03-23Tensorflow-Google- TensorFlow实战Google深度学习框架源代码 //book.douban.com/subject/26976457/
- 96.66MB
Tensorflow google 实战
2017-11-02Tensorflow 实战Google深度学习框架. pdf 带书签版本 .
- 7.13MB
TensorFlow官方中文文档 高清完整版PDF
2016-04-16TensorFlow官方中文文档 极客学院出版
- 2.96MB
Tensorflow2.0.pdf
2019-11-10Josh Gordon 为我们介绍了TensorFlow2.0 的一些新的特征与使用技巧。附件为63页ppt
- 31.87MB
tensorflow源代码
2018-07-25Goolge TensorFlow深度学习框架源代码,用于深度学习的算法实现等
- 102KB
Tensorflow 深度学习代码
2019-02-21很全面的深度学习代码,帮助深度分析Tensorflow框架,极好的代码资源
- 293.88MB
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
2023-10-06本资源纯属免费,不收任何钱和任何积分,纯粹为爱发电,本资源已经为大家整合好了的,看我的博客部署好直接用:https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先,利用YOLOv8算法对视频中的车辆目标进行检测,并对检测到的目标进行标记。然后,通过deepsort算法对标记的车辆目标进行跟踪,实现车辆目标的持续跟踪。最后,根据跟踪结果对车辆数量进行统计,实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明,帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
- 367.44MB
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
2023-10-09yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt,需要创建的文件夹都以创建,方便大家不用再去GitHub下载 可以搭配该博客:https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
- 123.13MB
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-02-17本资源配套对应的视频教程和图文教程,手把手教你使用Unet做眼底图像分割的训练、测试和界面封装,包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型,并封装为了图形化界面,只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高,眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源,其形态和状况的变化可以反映出许多疾病的早期病理变化。然而,由于受眼底图像采集技术的限制以及视网膜血管自身结构的复杂性和多变性,使得视网膜血管的分割变得非常困难。传统方法依靠人工手动分割视网膜血管,不仅工作量巨大,极为耗时,而且受主观因素影响严重。通过眼底血管图像分割可以提高诊断准确性、效率以及推动科学研究和改进治疗方法等方面。 B站主页:https://space.bilibili.com/161240964 C站主页:https://blog.csdn.net/ECHOSON
- 728KB
全新的SOTA模型YOLOv9
2024-02-22当今的深度学习方法专注于如何设计最合适的目标函数,以使模型的预测结果尽可能接近真实值。同时,还需要设计一个合适的架构,以便获取足够的信息进行预测。现有方法忽略了一个事实:当输入数据经过逐层的特征提取和空间变换时,会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题,即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多个目标所需的各种变化。PGI能够为目标任务提供完整的输入信息,以计算目标函数,从而获得可靠的梯度信息以更新网络权重。此外,我们还设计了一种基于梯度路径规划的新型轻量级网络架构——广义高效层聚合网络(GELAN)。GELAN的架构证明了PGI在轻量级模型上获得了优越的结果。我们在基于MS COCO数据集的目标检测上验证了所提出的GELAN和PGI。结果显示,GELAN仅使用传统的卷积运算符就实现了比基于深度卷积的最新方法更好的参数利用率。PGI可用于从轻量级到大型的各种模型,它可以获取完整信息,使得从零开始训练的模型比使用大型数据集预训练的最新模型获得更好的结果,比较结果如图1所示。
- 141KB
社交平台上经济类话题的文章热度信息,数据是真实的,但不是真实日期
2023-03-16使用LSTM模型进行时序预测的代码与说明见:https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
- 62.4MB
行人跌倒数据集(VOC格式)
2023-01-30行人跌倒数据集(VOC格式)
- 26.50MB
Transformer模型实现长期预测并可视化结果(附代码+数据集+原理介绍)
2023-11-12这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。其灵活的模型结构允许调整以适应不同复杂度这篇文章给大家带来是Transformer在时间序列预测上的应用,这种模型最初是为了处理自然语言处理(NLP)任务而设计的,但由于其独特的架构和能力,它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是:Transformer 在时间序列分析中的应用核心在于其自注意力机制,这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码,Transformer 不仅提高了处理效率,而且确保了时间顺序的准确性。定制化训练个人数据集进行训练利用python和pytorch实现
- 850.77MB
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
2021-12-14YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在:https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境:https://www.bilibili.com/video/BV1YL4y1J7xz/ 更多数据请看:https://blog.csdn.net/ECHOSON/article/details/121892887 遇到问题请小伙伴通过私信联系作者,感谢大家的支持!
- 2.50MB
Deep Learning Tuning Playbook(中译版)
2023-01-30由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》,来自他们自己训练神经网络的实验结果以及工程师的一些实践建议,目前在Github上已有1.5k星。此版本为中文翻译版,提供给大家免费下载,因为本人知识水平有限,翻译过程中可能有误,随时欢迎大家指出错误,我会随时更正。
- 101KB
zotero翻译插件.xpi
2022-04-152023/9/2 更新
- 98KB
YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
2024-03-12YOLOv8网络结构图,自制visio文件,yolov8.vsds,需要的自取,在原有的基础上直接改就行了
- 55KB
YOLOv8改进,融合Gold-YOLO Neck
2023-11-06YOLOv8改进,融合Gold-YOLO Neck
- 322.63MB
Unet++舌象图像分割数据集+代码+模型+系统界面+教学视频.zip
2024-03-10舌象分割在中医舌诊中具有重要的意义。舌诊是中医通过观察舌象了解人体生理功能和病理变化的一种诊断方法。舌象分割是将舌面划分为不同的区域,每个区域对应着不同的脏腑和病理变化。 UNet++,它是一种深度监督的编码器-解码器网络,通过一系列嵌套的密集跳跃连接将编码器和解码器子网连接起来。UNet++的设计目标是减少编码器和解码器子网特征图之间的语义差距,使得优化器在面对语义相似的特征图时,学习任务变得更加简单。 该文件中包含提前处理好的舌象数据集和标签,以及训练好的unet++模型和完整的训练、测试和图形化界面的Python代码,并且提供了实际的操作视频,按照视频只需要进行一下基本的环境创建,即可运行出一个完整的分割系统。
- 1.8MB
哈尔滨工业大学-ChatGPT调研报告-20230306-94页.pdf
2023-03-102022年11月30日,OpenAI推出全新的对话式通用人工智能工具——ChatGPT。ChatGPT表现出了非常惊艳的语言理解、生成、知识推理能力,它可以很好地理解用户意图,做到有效的多轮沟通,并且回答内容完整、重点清晰、有概括、有逻辑、有条理。ChatGPT上线后,5天活跃用户数高达100万,2个月活跃用户数已达1个亿,成为历史上增长最快的消费者应用程序。除了被广大用户追捧外,ChatGPT还受到了各国政府、企业界、学术界的广泛关注,使人们看到了解决自然语言处理这一认知智能核心问题的一条可能的路径,并被认为向通用人工智能迈出了坚实的一步,将对搜索引擎构成巨大的挑战,甚至将取代很多人的工作,更将颠覆很多领域和行业。
- 755.86MB
YOLOv5 人脸口罩图片数据集
2020-12-10约4000张不带口罩的人脸图片+4000张带口罩的人脸图片,含标注文件,符合YOLOv5格式,可直接训练。
- 115.85MB
Informer模型实战案例(代码+数据集+参数讲解)
2023-11-10本篇博客带大家看的是Informer模型进行时间序列预测的实战案例,它是在2019年被提出并在ICLR 2020上被评为Best Paper,可以说Informer模型在当今的时间序列预测方面还是十分可靠的,Informer模型的实质是注意力机制+Transformer模型,Informer模型的核心思想是将输入序列进行自注意力机制的处理,以捕捉序列中的长期依赖关系,并利用Transformer的编码器-解码器结构进行预测,通过阅读本文你可以学会利用个人数据集训练模型。Informer是一种用于长序列时间序列预测的Transformer模型,但是它与传统的Transformer模型又有些不同点,与传统的Transformer模型相比,Informer具有以下几个独特的特点: 1. ProbSparse自注意力机制:Informer引入了ProbSparse自注意力机制,该机制在时间复杂度和内存使用方面达到了O(Llog L)的水平,能够有效地捕捉序列之间的长期依赖关系。 2. 自注意力蒸馏:通过减少级联层的输入,自注意力蒸馏技术可以有效处理极长的输入序列,提高了模型处理长序列的能力
- 882.2MB
皮肤病语义分割数据集+代码+unet模型 2000张标注好的数据+教学视频
2022-02-13兄弟们好呀,这里是肆十二,这转眼间寒假就要过完了,相信大家的毕设也要准备动手了吧,作为一名大作业区的UP主,也该蹭波热度了,之前关于图像分类和目标检测我们都出了相应的教程,所以这期内容我们搞波新的,我们用Unet来做医学图像分割。我们将会以皮肤病的数据作为示范,训练一个皮肤病分割的模型出来,用户输入图像,模型可以自动分割去皮肤病的区域和正常的区域。