基于Tensorflow下的cnn卷积神经网络实现图像的分类，Tensorflow

基于tensorflow vggnet 的微笑检测 tensorflow GENKI4K

基于tensorflow的卷积神经网络数字手写体识别，包括手写体数据集、模型训练和测试代码、训练好的模型，可以直接识别自己制作预处理后的手写体数字。

通过训练中文手写数据3770多个常用字，在通过flask web的canvas获取鼠标写的字比对获取最接近的文字，手写中文识别，包含训练测试所有代码，完整项目。现在只训练了十几个字，中文手写训练数据集下载地址：链接：https://pan.baidu.com/s/1DCDUGmSEtxyFpuxBKVqMnQ 提取码：zzos

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。

本工程为基于TensorFlow实现的以多维特征作为输入且输出同样为多维的RNN（LSTM）模型。

基于Tensorflow的小波神经网络实验，给出实验用的测试以及训练的数据集，实验在Pycharm中已经进行了论证。

该代码使用Tensorflow r1.7在Ubuntu 14.04下使用Python 2.7和Python 3.5进行测试。代码中包含测试用例。模型使用固定图像标准化。在中科院自动化所，WebFace数据集已经被用于训练。该面部检测后，该训练集包括总共453 453个图像，超过10 575个身份。如果在训练之前过滤了数据集，则可以看到一些性能改进。有关如何完成此操作的更多信息将在稍后提供。性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~ 3.3M面和~9000个类组成。提供了几个预训练模型。请注意，模型的输入图像需要使用固定图像标准化进行标准化

基于TensorFlow的lstm模型，多维时序数据预测，可自行修改网络参数。

使用Tensorflow的DenseNet源码，适合配合论文学习。适合初学者进行学习。