tensorflow2实现快照集成+ 每个step的学习率输出+可视化.py

Tensorflow2 权重衰减.py

基于TensorFlow2利用ResNet18+SENet 实现cifar10分类 training准确率95.66%,test准确率90.77%

tensorflow2.0部署，首先训练keras模型，然后转tflite，最后在安卓上调用

tensorflow2.0 Cycle-GAN测试代码

基于最新的TensorFlow 2.0的中文教程，包括项目源代码等，本人亲测可用，完全可以用作tf2全新学习的教程。

seq2seq 这是Tensorflow 2的seq2seq模型结构。 有三种模型架构，RNNSeq2Seq，RNNSeq2SeqWithAttention，TransformerSeq2Seq。 该存储库包含训练，评估，推断，转换为保存的模型格式脚本。 火车 例子 您可以通过运行以下脚本开始培训 $ python -m scripts.train \ --dataset-path " data/*.txt " \ --batch-size 2048 --dev-batch-size 2048 \ --epoch 90 --steps-per-epoch 250 --auto-encoding \ --learning-rate 2e-4 \ --device gpu \ --tensorboard-update-freq 50 --model-name Transformer

我自己离线安装tensorFlow2.3.0所用到的文件，包括离线包，可参考我的博文进行安装https://editor.csdn.net/md?not_checkout=1&articleId=108317381

RandLA-Net-tensorflow2 RandLA-Net的TensorFlow 2实现

由于pip安装的TensorFlow缺少一部分代码，以及TensorFlow2版本相对于TensorFlow1在语句上有变化。因此大部分网上代码不适用（主要问题在于读取mnist数据包和一些函数形式有问题）。这个代码可以运行。内含离线mnist数据库，mnist.py，main.py等。直接运行main.py即可