内包含ResNet50网络模型，模型预训练参数（.h5文件，基于tf2），以及一项使用tf2实现的对ResNet50的网络结构和预训练参数的分开调用。

基于MobileFacenet的Coral EdgeTPU支持的人脸识别 还提供了带有Tensorflow-2，EdgeTPU模型的Mobilefacenet，用于在Coral EdgeTPU上运行模型 介绍 来自Tensorflow 2版本的mobilefacenet 演示版 在带有Coral TPU的台式机上运行60 fps，在树莓派上运行约24 fps 用法 数据集 使用与使用的数据集相同的数据集进行训练。 CASIA用于训练，LFW用于测试。 训练 在train.py中更改指向图像数据集的目录。 我通过将RESUME设置为False直接使用ArcFace训练了模型，但是值得尝试使用softmax损失进行预训练 我添加了一个示例，以添加额外的标题以使用生成的嵌入来执行分类，在这里，我使用生成的嵌入来预测人是否戴着口罩。 您可以通过使用另一个数据集来获得更多乐趣 结果 经过训练的模型

GAIN源代码的tf2.0修改，主要是适应tensorflow1.x到2.0的变化，在2.0可以跑（2.1没试过），不是底层重写。工作量没有那么大，简简单单，适合新手直接下载，可以跑，仅此而已。希望帮助新手。

聊天机器人 一个可以使用自己的语言料进行训练的中文聊天机器人，目前包含seq2seq tf1.x和tf.2x版本，seqGan版本为tf1.x版本，pytorch版本，欢迎大家实践交流。 关于语料的说明 大家可以使用小黄鸡的预料，地址 seq2seq版本代码执行顺序 1，在下载好代码和语料之后，将语料文件放入数据目录下。 2，准备数据预处理器（data_utls.py）-> execute.py（执行器）-> app.py（可视化对话模块）的顺序执行就可以了。 3，超参配置在seq2seq.ini和seq2seq_sever.ini文件中配置。 seqGAN版本代码执行顺序 1，在下载好代

nlpgnn 包装说明 自然语言处理领域当前正在发生巨大变化，近年来，已经提出了许多出色的模型，包括BERT，GPT等。 同时，图形神经网络作为一种精美的设计正在诸如TextGCN和Tensor-TextGCN等自然语言处理领域中不断使用。 该工具箱专用于自然语言处理，希望以最简单的方式实现模型。 关键字：NLP； 神经网络 楷模： 伯特 阿尔伯特 GPT2 TextCNN Bilstm +注意 GCN，GAN 杜松子酒 TextGCN，TextSAGE 示例（有关更多详细信息，请参见测试）： BERT-NER（中英文版） BERT-CRF-NER（中英文版） BERT-CLS

tensorflow2.0 Gpu版本，在cuda11.0 cudnn8.0-vs2019 下编译，需要依赖cuda11.0和cudnn8.0.

Monodepth2-TF2 这是在TF2.x中实现的monodepth2模型，该原始论文《挖掘到自我监督的单眼深度预测》。 依存关系 tensorflow==2.3.1 (for gpu) cudatoolkit=10.1, cudnn=7.6.5 表现 我正在使用普通的GTX1060-MaxQ GPU。 用于单图像深度估计的FPS： 使用tf.saved_model.load （我认为这是服务模式） 编码器：〜2ms（500 FPS） 解码器：〜2ms 总体而言：> 200 FPS 使用tf.keras.models.load_model与model.predict() ： 整体：〜100 FPS（细节忘了...） 笔记 它目前仅供个人使用，如果需要任何内容​​，请随时与我联系。 请原谅我没有使用参数解析，所以您不能使用一个命令来运行。 在运行演示时，您需要更改一些路径

SSD模模型的tensorflow2版本，有需要的可以看

tensorflow2.0教程，涵盖了多种实验教学案例，本文件包含每一个章节的代码以及PPT，内容详细通俗易懂

是的，我接受自定义请求。 不和谐时加！᲼＃0001。 Steam-Gem-Key-Bot 免费释放我的宝石/钥匙蒸汽机器人我免费释放此宝石只是为了阻止这些东西的隐藏性质！ 这个机器人会做什么？ 基本命令： ！Info about有关所有者的信息 ！价格⮞检查机器人价格/价格 价目表⮞检查机器人价格/价格 ！检查⮞检查多少 :key: s＆ :gem_stone: s您必须看看我们能为您提供什么！ 买/卖命令： ！BuyCS⮞[CS：GO的数量 :key: s]⮞购买BOTS CS：GO :key: 为您 :gem_stone: s ！BuyTF⮞[TF2的数量 :key: s]⮞购买BOTS TF2 :key: 为您 :gem_stone: s ！SellCS⮞[CS：GO的数量 :key: s]⮞出售您的CS：GO :key: 代表BOTS :gem_stone: s ！SellTF⮞[TF2的数量 :key: s]⮞出售您的TF2 :key: 代表BOTS :gem_stone: s 交换命令： ！SwapCS [CS