Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
TensorFlow2 Fashion-MNIST图像分类(二)
1 图像分类数据的标准化 本篇内容是 TensorFlow2 Fashion MNIST图像分类 一 的第二部分 请先阅读第一部分中的内容 上一部分内容最后提到 模型训练结果出现不拟合现象 主要原因就在于特征数据没有进行标准化处理 因此本部
tensorflow2
python
tensorflow
深度学习
睿智的目标检测43——TF2搭建Retinaface人脸检测与关键点定位平台(tensorflow2)
睿智的目标检测43 TF2搭建Retinaface人脸检测与关键点定位平台 tensorflow2 学习前言 什么是Retinaface人脸检测算法 源码下载 Retinaface实现思路 一 预测部分 1 主干网络介绍 2 FPN特征金字
睿智的目标检测
Retinaface
tensorflow2
人脸检测
人脸识别
Ubuntu20.04安装tensorflow2.8.0+CUDA11.4
Ubuntu20 04安装tensorflow2 8 0 43 CUDA11 4 1 创建虚拟环境2 安装tensorflow3 安装CUDA4 安装cuDNN4 1 手动安装4 2 deb安装包安装 5 测试 需要事先安装好Anacond
Ubuntu20
tensorflow2
Cuda11
tensorflow2.6.0安装 another metric with the same name already exists
终端直接输入pip install tensorflow 61 61 2 6 0 但是这里有一点问题 span class token keyword import span os span class token keyword impo
tensorflow2
another
Metric
with
The
MADDPG tensorflow2.0
MADDPG 的 tensorflow2 0实现 环境 MPE 对MPE环境进行了一些简单的修改 xff0c 目前只在MPE中的simple spread上进行了简单的测试 MADDPG代码 代码由于是自己写的 xff0c 可能有一些错误
MADDPG
tensorflow2
DQN、DDQN、Dueling DQN tensorflow2.0
一 tensorflow2 0 实现DQN算法 算法代码如下 span class token keyword import span numpy span class token keyword import span tensorflo
DQN
DDQN
Dueling
tensorflow2
Tensorflow2.0 保存和加载模型的几种方法
零 综述 save load weights save load entire model saved model 一 Save the weights 1 一次性保存所有参数 model span class token punctuat
tensorflow2
保存和加载模型的几种方法
TensorFlow2.0 搭建简单的ResNet和训练
1 resnet py span class token keyword import span os span class token keyword import span tensorflow span class token key
tensorflow2
resnet
搭建简单
TensorFlow2安装(超详细步骤-人工智能实践)
TensorFlow2安装教程 1 前言1 1 版本记录1 2 工具简介 2 详细步骤及安装语句2 1 安装Anaconda2 2 TensoFlow安装2 3 验证是否成功2 4 PyCharm下载与安装2 5 PyCharm环境配置2
tensorflow2
超详细步骤
人工智能实践
tensorflow2(GPU)显卡版安装
准备工作 硬件 xff1a 一张算力3 5以上的NVIDIA显卡 查询链接 link 软件 xff1a Miniconda3 pycharm NVIDIA显卡驱动 30系列以前 xff1a cuda 10 1 cudnn 10 1 v7 6
tensorflow2
GPU
显卡版安装
【Anaconda配置tensorflow2.0GPU+CUDA+CUDNN】
创建一个新环境conda create name tf gpu python 61 3 6 xff0c python版本为3 6 xff0c 然后分别执行以下语句 xff0c conda install cupy可以自动寻找符合版本的cud
Anaconda
tensorflow2
0GPU
CUDA
cuDNN
[tensorflow2.0]tensor与numpy互相转化
1 tensor 转 numpy numpy data 61 tensor data numpy 2 numpy 转 tensor 虽然TensorFlow网络在输入Numpy数据时会自动转换为Tensor来处理 xff0c 但是我们自己也
tensorflow2
tensor
NumPy
互相转化
cuda10.1+cudnn10.1+tensorflow2.2.0+pytorch1.7.1下载安装及配置
一 cuda及cudnn下载 1 查看自己电脑是否支持GPU 方法 xff1a 鼠标移动到此电脑 xff0c 点击鼠标右键 xff0c 依次选择属性 设备管理器 显示适配器有以下图标 xff08 NVIDIA xff09 即可安装GPU x
cuda10
cudnn10
tensorflow2
pytorch1
下载安装及配置
tensorflow2 中tensor转为numpy
tensorflow2 中tensor转为numpy 第一种使用with import tensorflow as tf Test span class token operator 61 span tf span class token
tensorflow2
tensor
NumPy
docker安装TensorFlow2.0 + jupyter lab。
docker加虚拟机 xff0c 简直就是坑中埋雷 让我抱怨一下 我们开始进入主题 我的系统是ubuntu20 安装在虚拟机里 这个我就不再阐述过多了 大家都会 docker安装过程我也不多说了 xff0c 这个资料很多 那么我们直接进入主
Docker
tensorflow2
jupyter
Lab
centos7安装CUDA11.2+CUDNN8.1+tensorflow2.4
环境 xff1a 系统 xff1a centos7 CPU xff1a Intel R Xeon R Gold 5220 CPU 64 2 20GHz 36核 GPU xff1a Tesla V100 4 查看CPU信息 xff1a cat
centos7
Cuda11
CUDNN8
tensorflow2
基于TensorFlow2.3.0的花卉识别Android APP设计
一 前言 本设计为基于TensorFlow2 3 0的花卉识别Android APP TensorFlow2 3 0的API简单易用 xff0c 训练好后模型导出tflite格式供Anroid APP使用 开发环境 xff1a Window
tensorflow2
Android
app
花卉识别
tensorflow2.0系列(4): Eager Execution和Auto Graph
目录 静态图的弊端Eager模式Eager execution的基本特性对 numpy 的支持 Auto Graph 动态图static analysis VS dynamic flow局部参数的可见域python collections
tensorflow2
eager
Execution
AUTO
Graph
tensorflow2.0系列(1):张量
目录 tensor xff1a 张量张量的数据类型Dtype类函数tf as type xff1a 定义Dtype类型对象tf dtypes cast xff1a 将张量映射 投射为新的类型tf dtypes complex xff1a 将
tensorflow2
«
1
2