主要介绍了基于Tensorflow一维卷积用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

基于tensorflow的深度学习项目，包括人脸识别、目标检测、超分辨重建，涵盖CNN、RNN、GAN等主要框架。

唐宇迪博士物体检测faster-rcnn，基于tensorflow框架，很实用

针对传统异物识别准确率较低的问题，提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理，并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架，通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数，并针对ReLU激活函数与特征权重进行理论分析。实验结果表明，经过15次迭代训练后，深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力；与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比，所提模型更具有优越性。

基于tensorflow对minst数据集进行分类，分别用了卷积神经网络和softmax回归算法。

node-facenet 基于TensorFlow用于Node.js的人脸识别实现

基于tensorflow的IMDB文本情感分析完整代码（包含数据和词向量可直接运行），网络结构采用双层LSTM。

基于Tensorflow 2.x实现的声纹识别预测模型和预训练模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Tensorflow

推荐系统 分别基于协同过滤算法和基于TensorFlow建立推荐系统 一，基于协同过滤的推荐系统 协同过滤（collaboorative filter）：利用某兴趣相投，拥有共同经验之众的喜好来推荐用户公众的信息。比如说，你和另外一个人都喜欢看电影，而你们所喜欢的电影类型都差不多，那个人对于某个部电影的评价很高，而这部电影你没有看过。那么，我是不会将这部电影推荐给你呢？基于协同过滤的推荐，有基于用户和基于物品。 本项目可实现的功能： 1，基于用户的协同过滤 2，基于项目的协同过滤 3，基于内容的过滤算法 4，混合推荐系统 示例：您所做的那10个最近的邻居！ （1996）： 西雅图不眠夜（1993） 勇敢的心（1995） 玩具总动员（1995） 蝙蝠侠（1989） 土拨鼠日（1993） 美少女（1990） 星际迷航：第一次接触（1996） 当你睡觉时（1995） 萨布丽娜

YOLOv5_Mast_Detection 使用传输学习训练基于YOLOV5的算法来检测通信桅杆。