足球预测 SoccerPredictor使用机器学习来预测英超联赛的比赛结果，重点是预测胜负（对应于对双倍机会的押注）。 预测以非常规方式建模为时间序列分类。 将为每个团队创建一个神经网络模型，并同时对其进行训练。 注意：请记住，由于我没有发布数据集，因此您将无法进行实际的培训。 如果您想对其进行测试，则必须自己组装。 提供更有趣功能的网站很难抓取，但绝对有可能。 因此，如果您想构建类似的东西或者只是看看我是如何实现各种东西的，则可以将其作为主要灵感。 如果没有数据集，则只能对附加的文件集进行可视化和回测。 这主要用于演示目的。 请参考随附的以获取有关该程序如何工作的更多信息。 结果 在测试期间，获得的最佳结果是利润1069 % ，预测精度约为90 % ，ROI为33.4 % 。 测试期间的时间跨度为113天，押注了150场比赛中的32场。 安装 运行该程序需要手动安装，例如：

1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU) 1.14(SciSharp.TensorFlow.Redist-Windows-GPU)

查看tensorflow版本

图像分类张量流 用于图像分类的cnn模型

使用tensorflow编写的logistic回归算法，进行房价预测。使用了matplotlib绘制分类曲线，一个实例程序，方便机器学习入门。

人工神经网络架构 使用keras（后端的Tensorflow）轻松构建ANN架构的脚本。

《深度学习》花书配套代码，tensorflow版本，江湖人称“AI圣经”。

TensorFlow Lite图像分类Android示例应用程序 概述 这是Android上的示例应用程序。 它使用对来自设备后置摄像头的进行连续分类。 使用TensorFlow Lite Java API执行推断。 演示应用程序实时对帧进行分类，显示最可能的分类。 它允许用户在浮点模型或模型之间进行选择，选择线程数，并决定是在CPU，GPU还是通过。 这些说明将指导您在Android设备上构建和运行演示。 有关来源的说明，请参见。 模型 有关使用的模型的详细信息，请访问。 通过download.gradle自动管理模型的下载，提取和放置在资产文件夹中。 要求 Android Studio 3.2（安装在Linux，Mac或Windows计算机上） Android设备处于且已启用USB调试 USB电缆（用于将Android设备连接到计算机） 构建并运行 步骤1.克隆TensorFlo

说在前头 本文是使用BP神经网络中的softmax回归模型实现MNIST手写数字识别，实际上能实现MNIST手写数字识别的神经网络还有CNN（卷积神经网络），下一篇可能会写。 Tensorflow是个什么东西 Tensorflow是一个采用 数据流图，用于数值计算的开源软件库。节点在图中表示数学操作，图中的线则表示在节点间相互联系的多维数据数组，即张量（Tensor）。 数据流图用“结点”和“线”的有向图来描述数学计算。“节点” 一般用来表示施加的数学操作，但也可以表示数据输入的起点/输出的终点，或者是读取/写入持久变量的终点。“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“

神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip神经网络与深度学习期末大作业—基于Tensorflow的手势识别系统.zip