本内容是根据北京大学曹平老师的《人工智能实战：tensorflow笔记》的代码和笔记整理、以及人工智能白皮书和tensorflow技术文档，以及自己在实现这些代码的思路，希望看了我的内容、都可以更好的投入人工智能开发行业中去。

基于Tensorflow框架实现神经网络模型对手写数字的识别 基于Tensorflow框架实现神经网络模型对手写数字的识别 基于Tensorflow框架实现神经网络模型对手写数字的识别 基于Tensorflow框架实现神经网络模型对手写数字的识别

这是一个通过opencv读取图片，并进行物体识别的demo，能够正常识别图像，且注释很清楚

tensorflow-2.9.1-cp39-cp39-win_amd64.whl 使用pip在线安装下载很慢，并且下载到中途还有可能失败，所以给大家提供一个CSDN下载地址。下载下来之后的本地安装方法见博文https://blog.csdn.net/wenhao_ir/article/details/125260565

text-summarization-tensorflow 代码来自： 这个是关于英文文本的介绍，然后自己尝试应用在中文文本上，效果不是很理想。。 中文数据集来自：

DLology博客 怎么跑 简单方法：运行 。 另外，如果您想使用图像而不是图像，则此仓库随附。 需要安装 。 分叉并将此存储库克隆到本地计算机。 https://github.com/Tony607/object_detection_demo 安装所需的库 pip3 install -r requirements.txt 第1步：注释一些图像 使用自定义对象保存一些照片，最好将jpg扩展名保存到./data/raw目录。 （如果您的对象很简单，例如此存储库随附的对象，则20张图像就足够了。） 将那些照片调整为统一大小。 例如(800, 600)与 python resize_images.py --raw-dir ./data/raw --save-dir ./data/images --ext jpg --target-size "(800, 600)" 调整大小的图像位于.

多层感知机（multi-layer perceptron）实现手写体分类（TensorFlow）

Tensorflow学习实战之mnist手写体识别数据准备构建模型训练模型评估结果可视化显示 Tensorflow继续学习，今天是入门级的mnist手写体识别，改变前两次的线性回归，这次是逻辑回归，这样随之改变的是损失函数等 Tensorflow里面有一个examples的MNIST的手写，直接运行会自动下载。 训练了20次，效果还不错，慢慢的理解，把以前不懂得好多东西，学习中慢慢得到补充 收获： reshape，行优先，逐行排列，相当于把一整行数字排列后按reshape得行列填充进去，我的理解相当于图像里得resize one hot独热编码，一个为1，其余所有为0，适用于分类任务，是一种稀

turbofan_failure：飞机发动机故障预测模型

智能计算系统实验4-3-自定义 TensorFlow CPU 算子