TensorFlow中文文档1.8掘金2018.5.19TensorFlow中文文档1.8掘金2018.5.19
2021/10/13 12:08:15
9.37MB
1
Tensorflow1.5GPU版合用于python3.6若您的CPU不支持AVX指令集，则此版本为可用的TensorflowGPU最高版本！
2021/11/1 21:21:38
78.29MB
1
这个文件是一个tensorflow的GPU版本的轮子，经过这个轮子，你可以在最新的CUDA10和CUDNN10.0上使用GPU训练你的模型
2018/6/24 10:30:46
82.28MB
1
（秒杀DeepLabV3和Unet的缺陷检测网络）基于分割的深度学习表面缺陷检测方法(cvpr2019)的一个Tensorflow完成
2015/5/23 20:03:14
64.44MB
1
tensorflow-2.1.0-cp36-cp36m-win_amd64.whl
2018/1/11 18:08:30
339.37MB
1
使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。
数据集包含60000张训练图片，10000张测试图片。
MNIST_model文件夹是已经训练30000次的模型，也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
数据集包含60000张训练图片，10000张测试图片。
MNIST_model文件夹是已经训练30000次的模型，也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
2018/2/6 15:10:15
17.36MB
1
基于CNN，有GUI界面。
基于tensorflow，有数据集，已划分训练集，测试集，训练集已做标签.直接运转demo.py，按需下载需要包即可运转。
基于tensorflow，有数据集，已划分训练集，测试集，训练集已做标签.直接运转demo.py，按需下载需要包即可运转。
2017/5/8 18:04:54
217.18MB
1
NLP-Models-Tensorflow，针对NLP问题收集机器学习和tensorflow深度学习模型，JupyterNotebooks内部的代码简化了100％。
目录目的原始的实现非常复杂，并且对初学者并不友好。
因而，我尝试简化其中的大部分内容。
此外，还有大量尚未发布的文件实施。
因而，随时将其用于您自己的研究！我将为我没有从头实现的模型附加github存储库，基本上，我会针对不赞成使用的问题复制，粘贴和修复这些代码。
Tensorflow版本仅Tensorflow版本1.13及更高版本，不包括2.X版本。
1.13<Tensorflow<2.0pipinstall-rrequirements.txt内容接受培训。
精度仅基于10个历元，使用单词位置计算得出。
完整列表（12个笔记本）LSTMSeq2Seq使用主题建模，测试精度为13.22％LSTMSeq2Seq+Luong注意事项使用主题建模，测试准确性为12.39％采用主题建模的LSTMSeq2Seq+BeamDecoder，测试精度为10.67％
目录目的原始的实现非常复杂，并且对初学者并不友好。
因而，我尝试简化其中的大部分内容。
此外，还有大量尚未发布的文件实施。
因而，随时将其用于您自己的研究！我将为我没有从头实现的模型附加github存储库，基本上，我会针对不赞成使用的问题复制，粘贴和修复这些代码。
Tensorflow版本仅Tensorflow版本1.13及更高版本，不包括2.X版本。
1.13<Tensorflow<2.0pipinstall-rrequirements.txt内容接受培训。
精度仅基于10个历元，使用单词位置计算得出。
完整列表（12个笔记本）LSTMSeq2Seq使用主题建模，测试精度为13.22％LSTMSeq2Seq+Luong注意事项使用主题建模，测试准确性为12.39％采用主题建模的LSTMSeq2Seq+BeamDecoder，测试精度为10.67％
2019/6/21 2:21:45
36.31MB
1
yolov4-deepsort使用YOLOv4，DeepSort和TensorFlow实现的对象跟踪。
YOLOv4是一种先进的算法，它使用深度卷积神经网络来执行对象检测。
我们可以将YOLOv4的输出输入这些对象检测到DeepSORT（带有DeepAssociationMetric的简单在线和实时跟踪）中，以创建一个高度精确的对象跟踪器。
关于对象的对象跟踪器的演示汽车上的对象跟踪器演示入门首先，请通过Anaconda或Pip安装适当的依赖项。
我建议使用GPU的人使用Anaconda路由，由于它可以为您配置CUDA工具包版本。
conda（推荐）#TensorflowCPUcondaenvcreate-fconda-cpu.ymlcondaactivateyolov4-cpu#TensorflowGPUcondaenvcreate-
YOLOv4是一种先进的算法，它使用深度卷积神经网络来执行对象检测。
我们可以将YOLOv4的输出输入这些对象检测到DeepSORT（带有DeepAssociationMetric的简单在线和实时跟踪）中，以创建一个高度精确的对象跟踪器。
关于对象的对象跟踪器的演示汽车上的对象跟踪器演示入门首先，请通过Anaconda或Pip安装适当的依赖项。
我建议使用GPU的人使用Anaconda路由，由于它可以为您配置CUDA工具包版本。
conda（推荐）#TensorflowCPUcondaenvcreate-fconda-cpu.ymlcondaactivateyolov4-cpu#TensorflowGPUcondaenvcreate-
2022/10/18 9:17:23
73.99MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB