白话深度学习与TensorFlow
电子书推荐
-
白话深度学习与TensorFlow 评分:
白话深度学习与TensorFlow白话深度学习与TensorFlow,白话深度学习与TensorFlow
上传时间:2018-11 大小:35.81MB
- 2.53MB
利用卷积神经网络实现图像的识别并将代码部署在树莓派中实现,使用谷歌深度学习框架Tensorflow训练模型.zip
2024-01-14利用卷积神经网络实现图像的识别并将代码部署在树莓派中实现,使用的是谷歌深度学习框架Tensorflow,使用果蔬图像数据集训练模型后,可以达到随机输入单张果蔬图片,返回图片分类结果的效果
- 23.22MB
pyhton深度学习课程设计-基于Tensorflow与Flask结合打造手写体数字识别项目(含源码+数据集+说明文档)
2023-06-23pyhton深度学习课程设计——基于Tensorflow与Flask结合打造手写体数字识别项目(含源码+数据集+说明文档) 使用tensorflow框架,构建回归和CNN两种模型,对手写数字体进行识别 开发环境 Python:3.7 Tensorflow: ...
- 2KB
《果蔬识别系统Python》,基于深度学习卷积神经网络算法。基于深度学习TensorFlow框架,搭建卷积神经网络算法.zip
2024-01-14《果蔬识别系统Python》,...使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Django框架,开发网页端操作平台.zip
- 1.17MB
毕业设计-Python基于TensorFlow深度学习卷积神经网络自动识别网站验证码设计与实现
2023-06-24Python基于TensorFlow深度学习卷积神经网络自动识别网站验证码设计毕业源码案例设计 开发环境: Pycharm + Python3.7 + Django2.2 + sqlite数据库 + TensorFlow深度学习框架 + selenium自动化测试 “基于深度网络的...
- 2KB
水果识别系统Python基于深度学习TensorFlow框架,搭建卷积神经网络算法模型.zip
2024-01-13水果识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Django框架,开发网页端操作平台,实现用户上传...
- 2KB
《验证码识别系统Python》基于深度学习TensorFlow框架,搭建卷积神经网络算法.zip
2024-01-14《验证码识别系统Python》,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Django框架,开发网页端操作平台,...
- 5KB
使用 TensorFlow 实现深度神经网络对 mnist 数据集进行训练和测试.zip
2024-01-13深度学习使用技巧和一些模型训练,实战应用开发小系统参考资料,源码参考。目的是了解深度学习和 TensorFlow 的基本使用 适用于初学者和有经验的开发者,能够帮助快速上手深度学习模型建立学习等
- 1.19MB
针对深度学习图像识别模型的自动化测试框架,实现Python实现的基于TensorFlow的深度学习图像识别模型自动化测试.zip
2024-01-13针对深度学习图像识别模型的自动化测试框架,设计并实现一个 Python 实现 的基于 TensorFlow 的深度学习图像识别模型的自动化测试方法,采用特定的方 式,根据提供的训练数据集和待测数据集,由待测数据集尽量生成...
- 1.78MB
通用深度学习推理工具,可在生产环境中快速上线由TensorFlow、PyTorch、Caffe框架训练出的深度学习模型。.zip
2024-01-13深度学习使用技巧和一些模型训练,实战应用开发小系统参考资料,源码参考。 适用于初学者和有经验的开发者,能够帮助快速上手深度学习模型建立学习等
- 13.33MB
利用开源项目 Kubernetes +TensorFlow 构建一个在深度学习平台上利用识别数字算法进行数据训练和测试.zip
2024-01-14全国云计算应用创新大赛三等奖作品。利用开源项目 Kubernetes 以及 TensorFlow 构建一个深度学习平台在深度学习平台上利用识别数字算法进行样本数据训练和测试
- 2KB
花朵识别系统基于Python实现,深度学习卷积神经网络,通过TensorFlow搭建卷积神经网络算法模型.zip
2024-01-14花朵识别系统基于Python实现,深度学习卷积神经网络,通过TensorFlow搭建卷积神经网络算法模型,并对数据集进行训练最后得到训练好的模型文件,并基于Django搭建可视化操作平台。
- 3.69MB
使用TensorFlow1.12训练基于深度学习的排序模型Wide & Deep.zip
2024-01-13深度学习使用技巧和一些模型训练,实战应用开发小系统参考资料,源码参考。 适用于初学者和有经验的开发者,能够帮助快速上手深度学习模型建立学习等
- 22.15MB
tensorflow-tutorial-samples:TensorFlow2教程TensorFlow 2.0教程入门教程实战案例
2021-02-06用最白话的语言,讲解机器学习,神经网络与深度学习样本基于TensorFlow 1.4和TensorFlow 2.0实现 相关链接 , , , OpenAI体育馆 介绍了策略梯度算法(策略梯度)来玩CartPole-v0 介绍了DQN(深度Q学习)来玩...
- 373KB
主要用来做情感分析的数据处理库,处理完可直接使用TensorFlow keras等深度学习框架进行训练.zip
2024-01-13深度学习使用技巧和一些模型训练,实战应用开发小系统参考资料,源码参考。 适用于初学者和有经验的开发者,能够帮助快速上手深度学习模型建立学习等
- 18.17MB
ORL人脸识别不同算法的实现,用到了scikit-learn,tensorflow等.zip
2023-07-20深度学习,神经网络学习资源,机器学习源码及案例,经典人工智能算法。 深度学习,神经网络学习资源,机器学习源码及案例,经典人工智能算法。 深度学习,神经网络学习资源,机器学习源码及案例,经典人工智能算法...
- 290KB
各种深度学习(DL)框架分布式训练.zip
2024-01-14各种深度学习(DL)框架分布式训练,包括:Tensorflow、Tensorflow2、Pytorch、Chainer、Caffe、Mxnet
- 2KB
分类识别系统Python,基于深度学习CNN卷积神经网络算法.文本分类系统.zip
2024-01-13分类识别系统Python,基于深度学习CNN卷积神经网络算法.文本分类系统,使用Python作为主要开发语言,通过TensorFlow搭建CNN卷积神经网络对十余种不同种类的文本数据集进行训练,最后得到一个h5格式的本地模型文件,...
- 20.6MB
基于TensorFlow框架训练的一个全连接网络的手写数字识别器,是一个阶段总结性项目.zip
2024-01-14基于TensorFlow框架训练的一个全连接网络的手写数字识别器,是...基于MNIST的手写数字识别项目已是深度学习入门的必备项目,但区别于其他,本项目的特色是添加了模型的保存与加载功能、TensorFlow可视化功能、指数等
- 64KB
基于TensorFlow实现基于遗传算法的神经网络,在乳腺癌细胞分类的数据集上面进行实验,并与传统的机器学习的分类算法进行对比
2023-07-20人工智能,计算机毕业设计,课程设计,深度学习,神经网络学习资源,机器学习源码及案例,经典人工智能算法。
- 4KB
TensorFlow实现神经网络算法识别手写数字集.zip
2023-07-20人工智能,计算机毕业设计,课程设计,深度学习,神经网络学习资源,机器学习源码及案例,经典人工智能算法。
- 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
- 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)
- 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)
- 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
- 19.16MB
行为预测算法:基于自动驾驶大模型的车辆轨迹预测系统
2024-05-13是我的技术文章https://blog.csdn.net/asd343442/article/details/137137667的配套源码,LyftModel 是指来自 Lyft Level 5 Research 的一个用于自动驾驶的深度学习模型。Lyft 是一家美国的科技公司,致力于开发自动驾驶技术,他们的 Level 5 Research 部门专注于研究和开发自动驾驶技术。LyftModel 很可能是他们开发的一种用于自动驾驶的深度学习模型,用于实现自动驾驶系统中的各种功能,例如感知、规划、控制等。
- 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。