您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 用tensorflow在mnist数据集下训练、测试模型

  2. 用tensor flow框架 在mnist数据集上训练一个神经网络模型,调试通过,上传给大家学习使用。 1.解压后为共有三个.py文件、一个文件为前向传播过程、另两个文件为训练和测试用 2.mnist数据集在mnist文件夹内,另一个文件夹保存训练好的模型,方便以后直接使用
  3. 所属分类:深度学习

    • 发布日期:2018-03-01
    • 文件大小:25mb
    • 提供者:a3765421
  1. tensorflow 目标检测代码

  2. 已在ubuntu上跑通,按照代码中结构调试即可。目标检测代码在research下的object_detection
  3. 所属分类:深度学习

    • 发布日期:2018-10-10
    • 文件大小:33mb
    • 提供者:luoxueqian
  1. tensorflow笔记.zip

  2. 注意!!!!这是旧的版本不要下载,缺少一些代码, 新的已经更新上去了。 ************************************************************* 这是MOOC上北大TensorFlow笔记的源代码,其中lenet不全,缺少vgg16源码。 剩余的都是有的,而且在ubuntu 16都已经成功调试。
  3. 所属分类:深度学习

    • 发布日期:2019-10-31
    • 文件大小:61mb
    • 提供者:bluenapa
  1. R-Net-master-tensorflow.7z

  2. R-Net-master-tensorflow,基于tensorflow代码,已经调试可运行。
  3. 所属分类:深度学习

    • 发布日期:2019-10-04
    • 文件大小:6mb
    • 提供者:wilosny518
  1. Tensorflow 调试指南(Galina  Olejnik)

  2. Tensorflow 调试指南(Galina  Olejnik),英文文档,深度学习很好的调试参考文档。
  3. 所属分类:深度学习

    • 发布日期:2019-03-04
    • 文件大小:670kb
    • 提供者:tox33
  1. 使用K.function()调试keras操作

  2. Keras的底层库使用Theano或TensorFlow,这两个库也称为Keras的后端。无论是Theano还是TensorFlow,都需要提前定义好网络的结构,也就是常说的“计算图”。 在运行前需要对计算图编译,然后才能输出结果。那这里面主要有两个问题,第一是这个图结构在运行中不能任意更改,比如说计算图中有一个隐含层,神经元的数量是100,你想动态的修改这个隐含层神经元的数量那是不可以的;第二是调试困难,keras没有内置的调试工具,所以计算图的中间结果是很难看到的,一旦最终输出跟预想不一致,
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:61kb
    • 提供者:weixin_38659248
  1. 用tensorflow构建线性回归模型的示例代码

  2. 用tensorflow构建简单的线性回归模型是tensorflow的一个基础样例,但是原有的样例存在一些问题,我在实际调试的过程中做了一点自己的改进,并且有一些体会。 首先总结一下tf构建模型的总体套路 1、先定义模型的整体图结构,未知的部分,比如输入就用placeholder来代替。 2、再定义最后与目标的误差函数。 3、最后选择优化方法。 另外几个值得注意的地方是: 1、tensorflow构建模型第一步是先用代码搭建图模型,此时图模型是静止的,是不产生任何运算结果的,必须使用Session
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:66kb
    • 提供者:weixin_38682086
  1. tensorflow 重置/清除计算图的实现

  2. 调用tf.reset_default_graph()重置计算图 当在搭建网络查看计算图时,如果重复运行程序会导致重定义报错。为了可以在同一个线程或者交互式环境中(ipython/jupyter)重复调试计算图,就需要使用这个函数来重置计算图,随后修改计算图再次运行。 #重置计算图,清理当前定义节点 import tensorflow as tf tf.reset_default_graph() #Your model defined below # 需要注意的是,下面三种情况使用这个函数会报
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:37kb
    • 提供者:weixin_38745648
  1. tensorflow实现在函数中用tf.Print输出中间值

  2. tensorflow由于其基于静态图的模式,导致写代码的时候很难调试,除了用官方的调试工具外,最直接的方法就是把中间结果输出出来查看,然而,直接用print函数只能输出tensor变量的形状,而不是数值,想要输出tensor的具体数值需要用tf.Print函数。网上有很多关于这个函数使用方法的说明,这里简要介绍: Print( input_, data, message=None, first_n=None, summarize=None, name=None ) 参数: inp
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:109kb
    • 提供者:weixin_38670208
  1. 深度学习Tensorflow工程化项目实战 读书笔记

  2. 文章目录深度学习Tensorflow工程化项目实战第一章 学习准备第二章 开发环境第三章 简单的AI实例的调用实例3.1:用AI模型识别图像是桌子、猫、狗,还是其他第四章 用TensorFlow制作自己的数据集4.1TensorFlow的数据集格式实例4.1:将模拟数据制作成内存对象数据集 深度学习Tensorflow工程化项目实战 第一章 学习准备 本笔记中代码的环境为python3.6,Tensorflow1.15,主要对于书中的工程实例进行调试和代码注解 第二章 开发环境 开发环境为:
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:71.2kb
    • 提供者:weixin_38556541
  1. 解决tensorflow打印tensor有省略号的问题

  2. 先上代码: import tensorflow as tf x = tf.ones(shape=[100, 200], dtype=tf.int32, name='x') y = tf.zeros(shape=[2, 3], dtype=tf.float32, name='y') with tf.Session() as sess: print(sess.run([x, y])) 输出结果如下: 如果我调试的时候想查看省略号代表的值是什么 只需要改成如下代码就行: import ten
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:76kb
    • 提供者:weixin_38534352
  1. 纵观Tensorflow、Keras、Pytorch的发展史

  2. Tensorflow的发展历史: 2015年9月发布0.1版本 2017年2月发布0.1版本 2019年春发布2.0版本(2.0beta) 与tensorflow同时期出来的框架 Scikit-learn:面向传统机器学习的框架,无深度学习框架,并且没有采用gpu加速 Caffe:由华人开发的第一个深度学习框架,采用C++编写,并可调用python接口,是最早的深度学习框架。缺点是:No auto-gradient。 Keras :提供API接口给深度学习 Theano:也是深度学习框架,存在开
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:102kb
    • 提供者:weixin_38731761
  1. tensorflow-model:这个项目专门用户tf源码的学习和调试-源码

  2. TensorFlow模型 该存储库包含在实现的许多不同模型: 是使用TensorFlow的高级API的示例模型的集合。 它们旨在通过最新稳定的TensorFlow API进行良好的维护,测试和更新。 还应该对它们进行合理的优化以提高性能,同时仍然易于阅读。 我们特别建议新的TensorFlow用户从此处开始。 是在TensorFlow中实施的大量的集合。 它们没有得到官方支持或在发行分支中可用; 由各个研究人员来维护模型和/或提供有关问题和请求的支持。 包含代码片段和较小的模型,这些模型和
  3. 所属分类:其它

    • 发布日期:2021-03-23
    • 文件大小:428mb
    • 提供者:weixin_42135753
  1. TFLM:Tensorflow Lite Micro的前叉以进行调试-源码

  2. Tensorflow Lite Micro 从Tensorflow v2.3.1生成 该项目仅以简单的方式构建。可以在Linux上的Windows(使用 )上构建。该项目用于调试TFLM和从源代码了解TFLM。更多项目构建方法将很快更新。 生成文件 建立这个专案 make 运行这个演示 ./build/hello_world
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:534kb
    • 提供者:weixin_42109732
  1. profiler:TensorFlow的性能分析和性能分析工具-源码

  2. TensorFlow分析器 探查器包括一套工具。 这些工具可帮助您了解,调试和优化可在CPU,GPU和TPU上运行的TensorFlow程序。 演示版 初次使用者? 快来看看这个。 先决条件 TensorFlow> = 2.2.0 TensorBoard> = 2.2.0 tensorboard-plugin-profile> = 2.2.0 注意:TensorFlow Profiler需要访问Internet才能加载。 如果您在本地计算机,公司防火墙或数据中心内完全脱机
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:24mb
    • 提供者:weixin_42131316
  1. TensorFlow:我的TensorFlow文章中与Project igig相关的材料-源码

  2. TensorFlow 2.x的新功能 以下是TensorFlow 2.x中的所有更改。 让我们仔细看看它们: 急切执行/ tf。功能 集成Keras API 便利的分布式培训 TF数据 TF SavedModel TensorFlow集线器 TensorFlow服务 TensorFlow Lite TensorFlow.js 整理API 转换工具 替代变量作用域 渴望执行 缺乏急切执行力是对TensorFlow的主要抱怨之一。 我们都可以联系。 必须执行整个图形,然后尝试根据错误进行
  3. 所属分类:其它

    • 发布日期:2021-02-07
    • 文件大小:168kb
    • 提供者:weixin_42123237
  1. tensorflow-talk-debugging:my我的演讲``TensorFlow的调试技巧''(2016)的幻灯片和补充代码-源码

  2. 调试TensorFlow代码的实用指南 我在的首次聚会上的演讲! 2016年6月18日,在首尔Google韩国 幻灯片: : 代码: : 视频(韩语): : 更新 2016年6月18日(v1):演讲的初始版本。 2016年12月9日(v2):对进行了简要介绍,以供读者参考。 2016年2月17日(v3):更新了示例以使其与TF 1.0兼容,并在上添加了更多内容。
  3. 所属分类:其它

  1. 云:TensorFlow云存储库提供的API可以轻松地从在本地环境中调试和培训Keras和TensorFlow代码到在云中进行分布式培训-源码

  2. TensorFlow云 TensorFlow Cloud存储库提供的API可以轻松地从本地环境中的调试,培训,调整Keras和TensorFlow代码到在Cloud上进行分布式培训/调整。 介绍 TensorFlow Cloud run API用于GCP培训/调整 安装 要求 Python> = 3.6 经过 为您的GCP帐户启用了API。 我们使用AI平台在GCP上部署docker镜像。 如果要使用本地docker进程进行构建,请使用功能正常的版本,或者以与一起使用以进行docker镜
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:518kb
    • 提供者:weixin_42128988
  1. self_drive:基于树莓派的自动驾驶小车,利用树莓派和tensorflow实现小车在赛道的自动驾驶。(基于树莓派的自动驾驶汽车(tensorflow))-源码

  2. 自我驱动 基于树莓派的人工智能自动驾驶小车基于覆盆子派的人工智能自动驾驶车github传送门: : 整体流程(技术流程) 电机控制(电机控制)摄像头调试(相机调试)道路数据采集(道路数据采集)搭建深度学习模型,参数调试(搭建深度学习模型,参数调试)自动驾驶真实道路模拟(自动驾驶的真实道路模拟)参数最终调试(参数的最终调试) 使用方法(使用方法): 先将树莓派小车硬件组装好(组装树莓车硬件。) (该过程在树莓派进行)(使用zth_car_control.py来控制正面和侧面),并使用zth_c
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:242mb
    • 提供者:weixin_42165490
  1. 切线:纯Python中的源到源可调试衍生物-源码

  2. 切线 Tangent是一个新的,免费的开源Python库,用于自动区分。 现有的库通过跟踪程序的执行情况(在运行时,例如PyTorch)或通过建立动态数据流图,然后区分图(提前,例如TensorFlow)来实现自动区分。 相反,Tangent对Python源代码本身执行提前的autodiff,并生成Python源代码作为其输出。 切线在机器学习工具的空间中占据了独特的位置。 结果,您最终可以像其余程序一样读取自动派生代码。 切线对研究人员和学生很有用,他们不仅希望用Python编写模型,还
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:22mb
    • 提供者:weixin_42151729
« 12 3 4 »