TensorFlow深度学习实战
作者:Antonio Gulli, Amita Kapoor
出版社:机械工业出版社
ISBN:9787111615750
VIP会员免费
(仅需0.8元/天)
¥ 49.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
TensorFlow原理介绍(实操版)V2.0 评分:
TensorFlow是Google开源的一款人工智能学习系统的开源平台。为什么叫这个名字呢?Tensor的意思是张量,代表N维数组;Flow的意思是流,代表基于数据流图的计算。把N维数字从流图的一端流动到另一端的过程,就是人工智能神经网络进行分析和处理的过程。
上传时间:2018-03 大小:7.02MB
- 2KB
lstm_tensorflow_TensorFlowLSTM_tensorflow_LSTM_lstmtensorflow2.0
2021-09-11tensorflow2.0的Lstm实现
- 3.92MB
TensorFlow原理介绍图文 PPT
2018-01-11TensorFlow原理介绍图文,TensorFlow原理介绍图文,机器学习是什么,机器学习的领域,机器学习方法,主流机器学习框架.
- 27.7MB
tensorflow2.0-unet:tensorflow2.0,resnet,unet
2021-03-12tensorflow2.0-unet tensorflow2.0,resnet,unet配置环境点安装-r require.txt然后运行demo.py即可可以查看说明.txt
- 6.6MB
tensorflow 官方文档中文版
2018-11-06tensorflow官方文档的中文翻译版,适合作为初学tensorflow的指南
- 12KB
tensorflow2.0 Cycle-GAN测试代码
2021-04-28tensorflow2.0 Cycle-GAN测试代码
- 156.92MB
CNN+tensorflow实现验证码识别
2018-04-07CNN+tensorflow实现验证码识别CNN+tensorflow实现验证码识别CNN+tensorflow实现验证码识别
- 6.85MB
TensorFlow 官方文档中文版 - v1.2
2016-12-20TensorFlow 官方文档最新翻译的中文第二版
- 3.92MB
TensorFlow原理介绍
2018-11-15TensorFlow原理介绍,机器学习,python,必备PPT,TensorFlow TensorFlow是什么 TensorFlow架构 TensorFlow基本使用 TensorFlow机器学习例子---一元线性回归 TensorFlow for Android Demo
- 27.14MB
C++编译好的windows版tensorflow2.0(windows10+vs2015+tensorflow2.0)
2021-09-10C++编译好的windows版tensorflow2.0(windows10+vs2015+tensorflow2.0)
- 2.28MB
TensorFlow Python API手册.rar
2021-08-19TensorFlow Python API手册.rar
- 183.7MB
tensorflow的facenet文件
2018-08-10ncsdk的例子 人脸识别时下载的一个压缩包,由于是外网的所以会下载不了报错,直接现在后拖到那个facenet的目录下就可以编译成功了
- 15.45MB
TensorFlow原理介绍PPT
2018-11-28机器学习 机器学习是什么 机器学习的领域 机器学习方法 主流机器学习框架 TensorFlow TensorFlow是什么 TensorFlow架构 TensorFlow基本使用 TensorFlow机器学习例子---一元线性回归 TensorFlow for Android Demo
- 852KB
tensorflow2-docs-zh:TF2.0 TensorFlow 2.0 TensorFlow2.0 官方文档中文版
2021-05-29TensorFlow 2 / 2.0 官方文档中文版相关链接,,,目录(持续更新)基础 - 机器学习基础 ML basics过拟合与欠拟合 Overfitting and underfitting保存和恢复模型 Save and restore models基础 - 图像分类卷积神经网络 ...
- 2.61MB
IJCAI 2019上的一个TF2.0教程,SciPy_Tokyo+Hands-on+TensorFlow+2.0.zip
2019-11-02发表在IJCAI 2019上的一个TF2.0教程,本教程是Google资深开发人员Josh Gordon讲授,提供了最新TensorFlow 2.0的实操介绍,重点介绍了最佳实践。
- 4.71MB
Learn TensorFlow 2.0 pdf 压缩包
2019-12-23Learn how to use TensorFlow 2.0 to build machine learning and deep learning models with complete examples. The book begins with introducing TensorFlow 2.0 framework and the major changes from its ...
- 143KB
Windows同时安装tensorflow多个版本(tensorflow 2.0和tensorflow 1.x.x)
2020-12-21目录 准备工作 创建环境 激活环境 ...我们可以在这个环境下安装tensorflow 2.0版本。在Pycharm中通过File——>Settings选择到这个python.exe就可以在Pycharm中使用这个默认的python环境,如图: 下面
- 2.14MB
Google大佬Josh Gordon发布Tensorflow 2.0入门教程,Intro+to+TensorFlow+2.0.zip
2019-11-02Google大佬Josh Gordon发布Tensorflow 2.0入门教程。TensorFlow 2.0删除了冗余的API,完全采用Keras作为高级应用程序编程接口(API),使API更加一致(统一RNNs, 统一优化器),并通过Eager execution更好地与Python...
- 3.58MB
TensorFlow_2.0快速应用指南(英文).tar
2019-10-23文档是TensorFlow_2.0_Quick_Start_Guide,对应的tensorflow2.0版本,京东纸质版卖333元,电子版卖54元,格式是国外非常流行的电子文档epub格式,可以直接下载阅读,文档是英文的,目前仅有英文版的。
- 89KB
Python-分布式TensorFlow基础知识和训练算法的例子
2019-08-11分布式TensorFlow基础知识和训练算法的例子
- 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
- 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。