我们可以在这个环境下安装tensorflow 2.0版本...

一、引言 在这里，我们长话短说，短话简说，抱歉，还是说了这么多废话，两年多没有正式写技术博客了，有点兴奋又有点伤感，那就正式开始吧。 话说在某某年有人发明了人工智能这个专业术语，因此后来者想要达到这个人说的人工智能的那种状态。当然了，你可以把人工智能弱智的理解成机器人这种啦，当然咯，目前这还是很难实现的，我们就说两个现在大多数人都用得到的吧...

三好学生成绩问题 总分 = 德育分 * 60% + 智育分 * 60% + 体育分 * 60% 假设家长不知道这个规则，已知： 学校一定是以德育分、智育分和体育分三项分数的总分来确定三好学生的 计算总分时，三项分数应该有各自的权重系数 各自孩子的三项分数都已经知道，总分也已经知道 经过家长们的分析，只有三项分数各自乘以的权重系数是未知的...

1. FNN、PNN、wide&deep等此前几种深度模型 见下图。 1) FNN，见图左边。用 FM 预训练embedding layer，然后DNN训练。作者认为有两点局限：embedding layer 的参数会受到 FM 的影响；预训练计算量大，效率问题。同时 FNN仅能捕捉高阶特征，相比之下，DeepFM 无需预训练，且能捕捉高阶和低阶特征。 2) PNN，见图中间...

循环神经网络 介绍 可以在 this great article 查看循环神经网络(RNN)以及 LSTM 的介绍。 语言模型 此教程将展示如何在高难度的语言模型中训练循环神经网络。该问题的目标是获得一个能确定语句概率的概率模型。为了做到这一点，通过之前已经给出的词语来预测后面的词语。我们将使用 PTB(Penn Tree Bank) 数据集，这是一种常用来衡量模型的基准...

重要细节： 首先说明，anaconda默认的下载路径是外国网址，下载速度很慢，首先将默认下载地址改成国内镜像。 试了清华镜像还是很慢，就是因为这个一直没有头绪，今天看到一个帖子说中科大的镜像更好用更快！！！ 开始 打开Anaconda Prompt，进入Anaconda命令行管理界面...

重点 CIFAR-10 教程演示了在TensorFlow上构建更大更复杂模型的几个种重要内容： 相关核心数学对象...

通过这四个方面的对比，作者最后得出结论，TensorFlow 在大多数领域仍然处于领先地位，但 PyTorch 正在取得进展并逐渐缩小差距。 其实，这已经不是这位作者第一次调研深度学习框架了。

TensorFlow中提供哪些激活函数的API。 激活函数不会改变数据的维度，也就是输入和输出的维度是相同的...

1.如何在Docker中部署 tf serving 2.标准的tf serving API有哪些 3.如何打包自己的定制Docker镜像 当在Tensorflow中建立模型并训练好以后，只在本地运行或jupyter

近两年来，Google和Facebook等秉持开源理念，推动着AI工程工具越来越强大最近由于学术进程，一方面Pytorch越来越多地开始用于学术中来，另一方面 之前的模型都是基于tensorflow1.

在此选用了业界主流的三种深度学习框架Paddle，TensorFlow和Mxnet，对它们分别作了实战评估。用于测试的模型包括基于logistic回归模型和LSTM模型。

tensorflow训练后保存的模型主要包含两部分，一是网络结构的定义（网络图），二是网络结构里的参数值。

Mac下通过Anaconda安装Tensorflow Anaconda是一个基于python的科学计算平台，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本

在tensorflow的使用中，经常会使用tf.reduce_mean,tf.reduce_sum等函数，在函数中，有一个reduction_indices参数，表示函数的处理维度，直接上图，一目了然：

最近在学习深度学习，想在一台MX450显卡的小米笔记本电脑装pytorch和tensorflow，以下内容为方便自己以后查看，若有问题，请在评论指出，谢谢！

官方给的模型可以检测80多个类别，这里我们只检测行人，就需要将代码进行稍微修改即可： 项目路径图： 查看./data/classes/coco.names 类别的索引： 这里person为第1个，即索引为0 更改： ./core/utils.py1. draw_bbox函数(将roi_index设置为你想要的索引即可...

概述 深度学习是目前机器学习学科发展最蓬勃的分支, 在整个 AI 有广阔的应用. 人工智能是计算机科学的一个分支, 著名的 “图灵测试” 是 AI 的终极目标. 深度学习是在人工神经网络基础上发展而来的一种表示学科. 深度学习的优势: 海量的训练数据 非常灵活的模型 足够的运算能力 足够的对抗维度灾难的先验模型神经网络 卷积神经网络 (CNN) 卷积神经网络: Convolutional Neur

机器学习和深度学习的区别： 对比 传统的机器学习：需要进行特征提取...

光复制几个代码到自己机器上跑是没有用的。要理解！公式理解有困难...