Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
keras和tensorflow的版本对应关系
keras和tensorflow的版本对应关系 Framework Env name env parameter Description Docker Image Packages and Nvidia Settings TensorFlo
Pytorch
python
tensorflow
Keras
深度学习
基于深度学习的目标跟踪(Yolov3+deepsort)
最近有个计数的项目刚好可以用到目标跟踪 先跑通测试一下 感觉还不错 项目代码在这里 主要参考的是一下两个项目改的 deep sort https github com nwojke deep sort keras yolov 3 https
python
Pytorch
Keras
tensorflow serving部署keras或tf2.0模型
一 安装docker 由于apt官方库里的docker版本可能比较旧 所以先卸载可能存在的旧版本 sudo apt get remove docker docker engine docker ce docker io 更新apt包索引 s
深度学习
tensorflow
tensorflow serving
Keras
深度学习------keras,torch对mnist,cifar2,cifar3,cifar10数据集的读取总结
1 tensorflow读取 1 1 mnist数据集 import tensorflow as tf from tensorflow keras datasets import mnist cifar10 cifar100 train x
深度学习
Keras
cnn
keras和tensorflow的匹配版本
keras和tensorflow版本之间的匹配是非常重要的 因为它们之间的兼容性可能存在一些问题 以下是一些keras和tensorflow之间的匹配版本 tensorflow 1 x keras是tensorflow 1 x的一部分 可以
tensorflow
Keras
深度学习
【计算机视觉】目标检测中Faster R-CNN、R-FCN、YOLO、SSD等算法的讲解(图文解释 超详细必看)
觉得有帮助请点赞关注收藏 一 基于候选区域的目标检测算法 基于候选区域的深度卷积神经网络 Region based Convolutional Neural Networks 是一种将深度卷积神经网络和区域推荐相结合的物体检测方法 也可以叫
计算机视觉
目标检测
cnn
算法
Keras
keras测试环境搭建
使用的是windows 22h2 在windows中测试 目前看 如果所有用到的库都是pip可以安装的 就可以在windows测试 考虑cuda cudnn对于操作系统的影响太大了 所以只测试了DirectML 安装python3 8 安装
Keras
python
tensorflow
如何在Keras中训练大型数据集
https www toutiao com a6670173759829180936 在本文中 我们将讨论如何使用Keras在不适合内存的大数据集上训练我们的深度学习网络 介绍 深度学习算法优于所有其他算法 能够在大多数问题上产生最先进的结
人工智能
Keras
Keras框架下的猫狗识别(二)
Tensorflow学习 使用jupyter notebook Keras框架下的猫狗识别 一 模型构建与训练 Tensorflow学习 使用jupyter notebook 前言 一 数据预处理 二 使用步骤 1 引入库 2 定义模型 3
深度学习
Keras
tensorflow
keras神经网络入门:1.简单神经网络实现mnist识别,识别准确率高达89%
第一步 导入相关模块 import tensorflow as tf from tensorflow keras import layers models from tensorflow keras datasets import mnis
神经网络
Keras
tensorflow
Keras标准的模型训练、验证以及评估测试
from keras models import Model Sequential from keras layers import Input Conv2D GlobalAveragePooling2D Dropout Dense Fla
Keras
深度学习
python
深度学习之 Keras vs Tensorflow vs Pytorch 三种深度学习框架
深度学习是人工智能的子集 深度学习模仿人脑处理数据的神经通路 将其用于决策 检测对象 识别语音和翻译语言 它从非结构化和未标记的数据中学习 无需人工监督或干预 深度学习通过使用人工神经网络的层次结构来处理机器学习 人工神经网络的构建类似于人
深度学习
Keras
tensorflow
《Keras深度学习:入门、实战与进阶》之印第安人糖尿病诊断
本文摘自 Keras深度学习 入门 实战与进阶 1 数据理解 本节使用Pima Indians糖尿病发病情况数据集 该数据集最初来自国家糖尿病 消化 肾脏疾病研究所 数据集的目标是基于数据集中包含的某些诊断测量来诊断性的预测患者是否患有糖尿
深度学习
Keras
人工智能
神经网络学习小记录51——Keras搭建孪生神经网络(Siamese network)比较图片相似性
神经网络学习小记录51 Keras搭建孪生神经网络 Siamese network 比较图片相似性 学习前言 什么是孪生神经网络 代码下载 孪生神经网络的实现思路 一 预测部分 1 主干网络介绍 2 比较网络 二 训练部分 1 数据集的格式
神经网络学习小记录
孪生神经网络
Siamese
Keras
神经网络
Tensorflow Serving部署tensorflow、keras模型详解
写在篇前 本篇介绍如何使用Tensorflow Serving组件导出训练好的Tensorflow模型 并使用标准tensorflow model server来部署深度学习模型预测服务 tensorflow model server主要负
机器深度学习
python
小项目
tensorflow serving
Keras
【Keras】LSTM和Bi-LSTM神经网络
KerasLSTM和Bi LSTM神经网络 导入安装包 加载并划分数据集 数据处理 创建LSTM模型并训练 评估模型 创建Bi LSTM模型并训练 打印Bi LSTM模型 评估Bi LSTM模型 导入安装包 import tensorflo
Keras
LSTM
神经网络
CRNN+CTC实现不定长验证码识别(keras模型-示例篇)
目录 前言 运行环境 生成数据集 构建网络模型 训练模型 测试模型 错误集锦 结语 前言 本文的重心在于如何使用以tensorflow作为后端的keras构建一个使用CTC为loss的简化版CRNN 同时指出构建过程中容易出错的地方 让像我
人工神经网络
不定长验证码识别
Keras
使用 TensorFlow 和 Flask 部署 Keras 图像分类卷积神经网络模型
通常需要抽象出您的机器学习模型细节 然后将其与易于使用的 API 端点部署或集成 例如 我们可以提供一个 URL 端点 任何人都可以使用它来发出 POST 请求 他们将获得模型推断的 JSON 响应 而不必担心其技术问题 在本教程中 我们将
机器学习
Flask
tensorflow
Keras
«
1 ...
57
58
59
60
61
62
63
64
»