从零开始的变形金刚 Tensorflow 2.0中Transformer架构的实现

该笔记欢迎star，不建议叉！因为经常更新 实战案例 实战一：MNIST数据集手写数字识别 实战二：猫狗识别 实战三：Google涂鸦识别挑战项目 实战四：LSTM实现新闻文本分类算法 实战五：变压器实现英译中机器翻译 实战六：Google涂鸦识别挑战项目（GPU分散训练） 实战七：花朵识别（TPU分散训练） 实战八：BERT实现文本匹配 实战九：tf.serving模型部署 其他（TODO） 推荐项目实战 MIND算法（提供Demo数据）TODO NLP项目实战 ESIM算法 CV项目识别 去做 参考资料

官网发布的tensorflow2.0版本以后可使用的BERT中文预训练模型文件，适合无法的伙伴使用tf2 进行fine tuning

搭建yolo3目标检测的源码以及对应的修改设置，下载解压之后，进入目录，使用python3 yolo_video.py --image 命令 测试 ；输入图片名称 0007.jpg 观察是否可以出现一张标注出各种物体的图片。

YOLOv4 YOLOv4的TensorFlow 2.0实现：物体检测的最佳速度和准确性 该实现（目前）使用的原始Darknet权重进行。 请参阅路线图部分以了解下一步。 安装 要安装此软件包，您可以运行： pip install tf2_yolov4 pip install tensorflow # Check that tf2_yolov4 is installed properly python -c " from tf2_yolov4.model import YOLOv4; print(YOLOv4) " 要求： MacO> = 10.15，因为tensorflow-addons对于较旧的MacO版本不可用 Python> = 3.6 TensorFlow和TensorFlow插件之间的兼容版本：检查 Colab中的示例 / 预先训练的体重 我们的YOLOv4实现与K

Steam for Go 这个库实现了 Steam 的协议，允许在 Steam 上自动执行不同的操作，而无需运行实际的 Steam 客户端。 它基于 ，一个 .NET 库。 此外，它还包含 Steam 社区功能的 API，例如交易报价和库存。 目前实现的一些功能： 交易和交易报价，包括库存和通知 朋友和群组管理 和朋友聊天 角色状态（在线、离线、寻求交易等） 具有双重身份验证的 SteamGuard 军团要塞 2：制作、移动、命名和删除物品 如果这对您有用，还有包含一些官方 Steam Web API 类型的包。 安装 go get github.com/Philipp15b/go-steam 用法 您可以使用工具或查看文档。 您还应该查看以下子包： 使编写机器人更容易的实用程序 交易 贸易报价 库存 for Team Fortress 2 相关的东西 使用 go-st

tf2_lstm 使用tensorflow 2.0 rc1在LSTM上进行试验。 使用来自实际油井的每日生产数据。

TF2中的对抗性攻击和防御库 我们提供了一个轻量级且对初学者友好的库，用于： 训练简单的图像分类器。 生成对抗性示例-扰动神经网络的输入会导致错误的输出。 通过防御这些攻击来构建更强大的分类器。 该库是检查代码和亲自尝试对抗示例的简单起点。 要更全面地了解本领域的最新技术，我们建议您查看 。 支持的数据集： 支持的攻击： 支持的防御： 安装 首先，将此存储库克隆到本地计算机上。 git clone https://github.com/summer-yue/adversarial_examples_tf2.git 使用setup.py文件导航到该目录，然后安装运行我们的代码所需的软件包。 pip install -e . 请注意，该库在及更高版本上运行。 开始使用 尝试在adversarial_examples_tf2 / experiments中运行我们的简单示例。 建立

pix2pix.py用于tf2.0 cycle-gan

出现No module named ‘tensorflow.examples.tutorials 时下载到examples文件夹即可