TensorFlow实战
电子书推荐
-
《TensorFlow实战》黄文坚 高清完整PDF 评分:
《TensorFlow实战》黄文坚 高清完整PDF 《TensorFlow实战》黄文坚 高清完整PDF
上传时间:2017-12 大小:86.73MB
- 86.65MB
黄文坚-TensorFlow 实战中文版 完整版 pdf
2017-12-15在《TensorFlow实战》中,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)。
- 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
- 7.66MB
Tensorflow.pdf
2021-09-17tensorflow白皮书
- 3.54MB
TensorFlow教程.pdf
2020-07-27尽管TensorFlow设计上足够灵活,可以用于进行各种复杂的数值计算。 但通常人们使用TensorFlow来实现机器学习模型,尤其常用于实现神经网络模型。 从原理上说可以使用张量构建计算图来定义神经网络,并通过自动微分机制训练模型。 但为简洁起见,一般推荐使用TensorFlow的高层次keras接口来实现神经网络网模型。
- 25.58MB
最完整的TensorFlow教程
2017-12-29最新的tensorflow教程,内容全面丰富,包括: TensorFlow For Machine Intelligence.pdf TensorFlow 官方文档中文版 - v1.2.pdf tensorflow-mnist-tutorial-master tensorflow在windows下的安装指南 TensorFlow在图像识别上的应用(郑泽宇PPT) 斯坦福大学-深度学习基础教程等。
- 1.3MB
TensorFlow正式版中文文档.pdf
2021-09-14TensorFlow正式版中文文档.pdf
- 7.9MB
TensorFlow 官方文档中文版 - v1.2.pdf_0020f71e023adc6d29dab7d4.pdf
2022-05-10TensorFlow 官方文档中文版 - v1.2.pdf_0020f71e023adc6d29dab7d4
- 2.62MB
tensorflow API 文档 (PDF版)
2018-08-22tensorflow API 文档PDF版。 网页版:http://www.tensorfly.cn/tfdoc/api_docs/index.html
- 1.21MB
简单粗暴Tensorflow2.0.pdf
2020-04-09本手册是一篇精简的 TensorFlow 入门指导,基于 TensorFlow 的 Eager Execution(动态图)模式,力图让 具备一定机器学习及 Python 基础的开发者们快速上手 TensorFlow
- 2.76MB
Tensorflow.Tutorial.pdf
2019-05-18Deep Learning Frameworks • Deep Learning Frameworks • Deep Learning and GPUs • TensorFlow Basic • Quick Strat • How to train a Network • Magic: TensorBoard • Keras: The Python Deep Learning library • Calling Python Program from C++ • Distributed Deep Learning • Distributed Training • Distributed Deep Learning Frameworks • Distributed TensorFlow • Multi-GPUs Training • Distributed Training
- 86.61MB
Tensorflow 实战教程PDF--黄文坚-带你快速搭建神经网络系统
2018-10-28Tensorflow 实战教程PDF--黄文坚-带你快速搭建神经网络系统
- 13.32MB
Learning TensorFlow.pdf
2019-05-18在人类大脑的大致启发下,经过大量数据训练的深层神经网络可以以前所未有的精度解决复杂的任务。本实用书提供了TensorFlow的端到端指南,TensorFlow是领先的开源软件库,可帮助您构建和训练神经网络,用于计算机视觉、自然语言处理(NLP)、语音识别和一般预测分析。 作者Tom Hope、Yehezkel Resheff和Itay Lider为从数据科学家和工程师到学生和研究人员的广大技术受众提供了一种实践性的TensorFlow基础方法。在深入讨论诸如神经网络架构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题之前,您将首先学习TensorFlow中的一些基本示例。完成本书后,您将知道如何在TensorFlow中构建和部署生产就绪的深度学习系统。
- 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
- 8.9MB
TensorFlow官方指南1.pdf
2019-08-21TensorFlow官方指南https://www.tensorflow.org/guide/,合并成单个PDF,有目录
- 1.80MB
TensorFlow入门指导(中英文 PDF版)
2019-03-01本手册是一篇精简的 TensorFlow 入门指导,基于 TensorFlow 的 Eager Execution(动态图)模式,力图让 具备一定机器学习及 Python 基础的开发者们快速上手 TensorFlow。
- 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
- 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。
- 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
- 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
- 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
- 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
- 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
- 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)
- 40.38MB
YOLOV5 + 双目相机实现三维测距(新版本)
2024-04-14YOLOV5 + 双目相机实现三维测距(新版本)
- 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。
- 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。
- 1.70MB
pycharm连接autodl服务器(yolov8训练自己的数据集)
2024-02-16里面没写怎么配置yolov8环境,这个参考官方文档就行很简单一行代码即可
- 101KB
zotero翻译插件.xpi
2022-04-152023/9/2 更新
- 30.81MB
基于YOLOv8-Pose的姿态识别项目,带数据集可直接跑通的源码
2023-12-26这个项目是一个基于YOLOv8-Pose的姿态识别系统,专门用于识别和分析人体姿态。项目采用了最新的YOLOv8-Pose算法,结合了COCO数据集的8种常见姿态,能够快速准确地识别人体的各种姿态。这个可以作为一个简单的项目案例,后续可以直接换成自己的数据去进行训练。 功能特点: 高效识别:使用了先进的YOLOv8-Pose算法,确保了识别的准确性和效率。 支持多种姿态:能够识别COCO数据集中定义的8种主要姿态。 实时处理能力:项目设计支持实时姿态识别,适用于视频监控、动态分析等场景。 使用方法: 环境要求:详细说明所需的操作系统、依赖库和运行环境。 安装步骤:提供项目安装和配置的具体指导。 运行指南:说明如何启动姿态识别任务,包括命令行参数等。