Hands-On Machine Learning with Scikit-Learn and TensorFlow 英文 高清pdf 网络搜集，值得一读

IQE：使用DCGAN增强图像质量 印度德里·内塔吉·萨哈斯工业大学的Leo Adlakha，Prateek Bhardwaj，Abhijeet Singh Varun ：开发了图像质量增强功能，以增强尺寸（1536、2048、3）的弱光图像的质量。 一些结果如下所示： 要求 requirements.txt包含该代码和网站使用的Python软件包。 抽象的 我们提出了一种新颖的方法来调整弱光图像的各种图像属性，以产生具有更好对比度，亮度等的增强图像。问题是要提高从各种移动设备（如iPhone，三星等）拍摄的图像的质量。一种基于深度学习的方法，涉及深度卷积生成对抗网络（GAN），可以使用一对低质量的图像作为噪声矩阵对其进行训练，并且当此输出与高质量时，生成器的输出用于比较结果图像（groundtruth）被送入鉴别器以获得各种涉及颜色，纹理等的损失。它在从公开可用的数据集（如samsu

cudart64_101.dll tensorflow运行时报错cudart64_101.dll文件无法打开 将该文件复制到cuda安装文件夹bin下

Hands-On Machine Learning with Scikit-Learn and TensorFlow.zip

1.目录树 2.环境配置 3.准备训练图片和标签图片

在TensorFlow中实现更清晰，更简单的同步 Advantage Actor Critic（A2C）

Tiny Face Detector in TensorFlow 小脸检测 A TensorFlow port(inference only) of Tiny Face Detector from authors' MatConvNet codes[1]. Requirements Codes are written in Python. At first install Anaconda. Then install OpenCV, TensorFlow.

TF图神经网络样本 该存储库是代码版本，对应于介绍具有特征线性调制的图神经网络（GNN）的文章（ ）。 在本文中，讨论了许多GNN架构： 门控图神经网络（GGNN）（ ）。 关系图卷积网络（RGCN）（ ）。 关系图注意力网络（RGAT）-图注意力网络（ ）对几种边缘类型的概括。 关系图同构网络（RGIN）-图同构网络（ ）对几种边缘类型的概括。 带有边缘MLP的图形神经网络（GNN-Edge-MLP）-RGCN的一种变体，其中边缘上的消息是使用完整MLP而非单个层来计算的。 关系图动态卷积网络（RGDCN）-RGCN的新变体，其中动态计算卷积层的权重。 具特征线性调制（GNN-FiLM）的图形神经网络-带有FiLM层的RGCN的新扩展。 本文中提出的结果基于该存储库中提供的模型和任务的实现。 此代码已在使用TensorFlow 1.13.1的Python 3.

KittiBox KittiBox是用于在Kitti上训练模型FastBox的脚本的集合。 有关Fastbox的详细说明，请参见我们的。 FastBox旨在以很高的推理速度存档高检测性能。 在Kitti数据上，该模型的吞吐量为28 fps（36毫秒），是FasterRCNN的两倍以上。 尽管FastBox速度惊人，但其性能却明显优于Faster-RCNN。 任务 中等 简单 硬 速度（毫秒） 速度（fps） 快速盒 86.45％ 92.80％ 67.59％ 35.75毫秒 27.97 更快的RCNN 78.42％ 91.62％ 66.85％ 78.30毫秒 12.77

CTPN（tensorflow）+CRNN（pytorch）+CTC-附件资源