现在让我们用Tensorflow实现一个具体的Input pipeline，我们使用CoCo2014作为处理对象，网上应该可以下载到CoCo训练集，train2014这个文件。

2018年9月，作者曾就需求、使用和受欢迎程度三方面比较了所有主要的深度学习框架，其中TensorFlow是无可争议的重量级冠军，PyTorch是赢得大量口碑的后起之秀。

养了七年的TensorFlow终于还是被Meta的PyTorch干趴下了，在一定程度上。 谷歌眼见不对，赶紧又要了一个——「JAX」，一款全新的机器学习框架。

你有没有关注最近有没有看TensorFlow2020峰会?今年，TensorFlow团队发布了很多非常酷的产品，本文就将介绍如何使用tensorflow.js模型执行计算机视觉应用程序。

Tensorflow有两个版本：GPU和CPU版本，CPU的很好安装；GPU 版本需要 CUDA 和 cuDNN 的支持，如果你是独显+集显，那么推荐你用GPU版本的，因为GPU对矩阵运算有很好的支持，

在这段艰难的疫情期间，我们决定建立一个非常简单和基本的卷积神经网络(CNN)模型，使用TensorFlow与Keras库和OpenCV来检测人们是否佩戴口罩。

SSD网络tensorflow版本源码深入分析 以VGG-16作为特征提取层实现SSD网络的代码，解读SSD网络代码实现的各个细节，从输入参数、默认框的位置匹配、宽高比率、放缩比率、各层默认框的生成、到损失函数计算

本小节直接从 TensorFlow contrib 数据集加载数据。使用随机梯度下降优化器优化单个训练样本的系数。 实现简单线性回归的具体做法 导入需要的所有软件包： 在神经网络中，

TensorFlow 队列 队列（Queue）是一种最为常用的数据输入输出方式，其通过先进先出的线性数据结构，一端只负责增加队列中的数据元素，而数据的输出和删除在队列的另一端实现。

本次项目是基于tensorflow的宝可梦图像识别，本次数据有五组图像数据 一、导入相应的包 二、加载数据 这是一个使用Keras构建的卷积神经网络模型。

最后手写python代码实现卷积过程，让Tensorflow卷积在我们面前不再是黑箱子！

在之前的TensorFlow学习笔记——图像识别与卷积神经网络中了解了一下经典的卷积神经网络模型LeNet模型。那其实之前学习了别人的代码实现了LeNet网络对MNIST数据集的训练。

3 系统架构 系统整体组成：Tensorflow的系统结构以C API为界，将整个系统分为前端和后端两个子系统： 前端构造计算图 后端执行计算图，可再细分为： 运行时：提供本地模式和分布式模式 计算层：

近些年来，各大科技公司都在致力于人工智能与机器学习的研究，其中 Google 是在该领域发展最为迅速的公司，如今 Google 已经将这些技术运用于搜索、邮件、翻译、助手等多个领域。在今年的 Google I/O 2021 上，Google 还对外展示了 LaMDA(Language Model for Dialogue Applications) ，这是一个利用 AI 技术...

今天将分享Unet的改进模型DC-UNet，改进模型来自2020年的论文《DC-UNet Rethinking the U-Net Architecture with Dual Channel Efficient CNN for Medical Images Segmentation》，通过理解该模型思想，在VNet基础上可以做同样的改进。 一、原始Unet网络 1、 原始Unet有一些缺陷...

优化器总结 机器学习中，有很多优化方法来试图寻找模型的最优解。比如神经网络中可以采取最基本的梯度下降法。 梯度下降法(Gradient Descent) 梯度下降法是最基本的一类优化器，目前主要分为三种梯度下降法：标准梯度下降法(GD, Gradient Descent)...

一、全部代码解读如下： 1、model_darknet19.py：yolo2网络模型——darknet19。 YOLOv2采用了一个新的基础模型（特征提取器），称为Darknet-19，包括19个卷积层和5个maxpooling层，如下图。Darknet-19与VGG16模型设计原则是一致的，主要采用3*3卷积，采用2*2的maxpooling层之后，特征图维度降低2倍...

今天将分享Unet的改进模型MA-UNet，改进模型来自2020年的论文《MA-Unet: An improved version of Unet basedon multi-scale and attention mechanism for medical image segmentation》，简单明了给大家分析理解该模型思想...

Tensor是一种特殊的数据结构，非常类似于数组和矩阵。在PyTorch中，我们使用tensor编码模型的输入和输出，以及模型的参数。 Tensor类似于Numpy的数组，除了tensor可以在GPUs或其它特殊的硬件上运行以加速运算。如果熟悉ndarray，那么你也会熟悉Tensor API。如果不是，跟随此快速API上手...

多层感知机（分类） 这篇文章开始就是深度学习了。多层感知机的架构是这样： 输入层除了提供数据之外，不干任何事情。隐层和输出层的每个节点都计算一次线性变换，并应用非线性激活函数。隐层的激活函数是压缩性质的函数。输出层的激活函数取决于标签的取值范围。 其本质上相当于广义线性回归模型的集成。 操作步骤 导入所需的包...