基于Python3.6+tensorflow1.6的实践源码（minist数据集+CNN+LSTM等）.zip

共67个文件

py：20个

jpg：7个

md：5个

版权申诉

深度学习

机器学习

源码

毕业设计

106 浏览量 2024-01-17 23:41:27 上传评论收藏 43.12MB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

基于Python3.6+tensorflow1.6的实践和应用源码（包括线性模型，minist数据集分类，Tensorboard，CNN，LSTM，图像识别网络inception-v3等）.zip （67个子文件）

project_code_0628

使用inception-v3来进行图像识别.py 4KB

验证码识别（CNN方式和LSTM方式

genIDCard.py 6KB

tf_cnn_lstm_ctc.py 13KB

README.md 77B

tf_cnn.py 8KB

fonts

1 1B

DejaVuSansMono-Bold.ttf 295KB

image

鸟.jpg 5KB

长鹿.jpg 12KB

狗.jpg 5KB

熊猫.jpg 11KB

兔子.jpg 6KB

.keep 1B

斑马.jpg 10KB

tensorboard网络结构.py 3KB

tensorboard网络运行.py 3KB

.idea

vcs.xml 180B

misc.xml 192B

tensorflow.iml 438B

modules.xml 272B

tf认识.py 2KB

非线性回归.py 2KB

inception_model

cropped_panda.jpg 3KB

LICENSE 11KB

imagenet_2012_challenge_label_map_proto.pbtxt 63KB

imagenet_synset_to_human_label_map.txt 724KB

.keep 1B

Dropout.py 3KB

model

MNIST数据集分类

checkpoint 67B

mnist.data-00000-of-00001 31KB

mnist.index 159B

mnist.meta 22KB

卷积神经网络应用-mnist数据集分类.py 4KB

MNIST_data

t10k-images-idx3-ubyte.gz 1.57MB

train-labels-idx1-ubyte.gz 28KB

train-images-idx3-ubyte.gz 9.45MB

t10k-labels-idx1-ubyte.gz 4KB

logs

events.out.tfevents.1566995730.USER-20170107JT 193KB

inception-v3下载.py 2KB

MNIST数据集分类.py 2KB

RNN循环神经网络和LSTM.py 3KB

tensorboard可视化.py 4KB

mnist_quant

quant_aware_train.py 4KB

normal_train.py 2KB

models

float_point

model.ckpt.data-00000-of-00001 13.73MB

checkpoint 77B

model.ckpt.meta 103KB

README.md 48B

model.ckpt.index 1KB

quant_aware_trained

model.ckpt.data-00000-of-00001 13.73MB

checkpoint 79B

model.ckpt.meta 181KB

README.md 47B

model.ckpt.index 2KB

frozen.pb 4.58MB

README.md 28B

model.tflite 1.15MB

README.md 276B

convert_to_lite.py 812B

freeze.py 2KB

projector

data

mnist_10k_sprite.png 1.46MB

tfrecord

datasets

myimages.py 3KB

bash 1B

注意事项 1B

train.bat 271B

images

suggestion 1B

利用tfrecord类型进行训练图像分类.py 6KB

从普通的模型保存，伪节点量化模型保存（大小几乎没变，只是用来判断哪些节点可以量化，并且记录min，max）,固化，最后将pb文件转化成tflite文件： normal_train.py -> quant_aware_train.py -> freeze.py -> convert_to_lite.py

评论收藏

内容反馈

版权申诉