面向机器智能的 TensorFlow 实践代码实现，基于tensorflow1.4版本

主要为大家详细介绍了使用tensorflow实现线性回归，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

本文针对齿轮箱故障检测与诊断问题，运用信号处理和神经网络等相关知识，构建了小波变换模型、1D-CNN 模型进行齿轮箱工作状态的分析。综合运用 MATLAB 和 Python 等软件编程求解，通过模型参数调整使 1D-CNN 模型效果趋于最优，最终得到较为准确的诊断结果。对于输入神经网络的数据，进行训练集与测试集的划分以及归一化、编码分类标签等操作便于模型训练。 有问题欢迎私信沟通交流，共同学习！

timeseries-lstm-keras：基于Jason Brownlee教程，在Keras中使用LSTM递归神经网络在Python中进行时间序列预测

tf-3dgan, 3D 生成对抗性网络的Tensorflow实现 tf-3dgan 基于的生成对抗性网络的Tensorflow实施。这是一个tensorflow实现，通过 3D 个生成对抗建模学习对象形状的概率潜在空间。" 带有交互式卷图的博客文章。要求tensorflow>

深度学习技术（tensorflow框架，张量与变量）【beta版】，以后会逐渐完善，这一份是老师的笔记 第2章 TensorFlow框架介绍 2 2.1. TF数据流图 2 2.1.1. 案例：TensorFlow实现一个加法运算 2 2.1.2. 数据流图介绍 3 2.2. 图与TensorBoard 5 2.2.1. 什么是图结构 5 2.2.2. 图相关操作 5 2.2.3. TensorBoard：可视化学习 7 2.2.4. OP 9 2.3. 会话 11 2.3.1. 会话 11 2.4. 张量 14 2.4.1. 张量(Tensor) 14 2.4.2. 创建张量的指令 16 2.4.3. 张量的变换 17 2.4.4. 张量的数学运算 19 2.5. 变量OP 19 2.5.1. 创建变量 19 2.5.2. 使用tf.variable_scope()修改变量的命名空间 20 2.6. 高级API 20 2.6.1. 其他基础API 21 2.6.2. 高级API 21 2.7. 案例：实现线性回归 22 2.7.1. 线性回归原理复习 23 2.7.2. 案例：实现线

MuZero与Tensorflow中的AlphaZero 我们提供了基于流行的AlphaZero-General实施的AlphaZero和MuZero算法的可读性，注释性，充分记录的以及概念上容易实现的算法。 我们的实现将AlphaZero扩展为可用于单人游戏域，例如其后续产品MuZero。 该代码库提供了一个模块化框架来设计您自己的AlphaZero和MuZero模型，以及一个API来使这两种算法相互抵触。 该API还允许MuZero代理在与环境交互过程中更加强烈地依赖其学习的模型。 程序员可以例如指定在试验期间对所学的MuZero代理的观察稀疏性。 我们的界面还提供了足够的抽象来扩展MuZero或AlphaZero算法，以用于研究目的。 请注意，我们没有在桌游上进行广泛的测试，我们体验到这非常耗时且难以调整。 经过良好测试的环境包括“健身房”环境：CartPole-v1，Mount

介绍如何使用`TF Lite model maker`库创建TensorFlow Lite模型。我们将在自定义数据集上微调一个预训练的图像分类模型，并进一步探索Tensorflow Lite支持的不同类型的模型优化技术，并将其导出到TF Lite模型。将创建的TF Lite模型与通过Tensorflow Lite 转换的模型进行详细的性能比较，最后将模型部署到web应用中。

music_recommender

MobileFaceNet_TF MobileFaceNet的Tensorflow实现。 依存关系 张量流> = r1.5 OpenCVPython的3.x python 3.x 科学的 斯克莱恩 麻木 网络 泡菜 准备数据集 选择以下链接之一来下载Insightface提供的数据集。 （特别推荐MS1M-refine-v2） ， ， ， 将数据集移动到${MobileFaceNet_TF_ROOT}/datasets 。 运行${MobileFaceNet_TF_ROOT}/utils/data_process.py 。 预训练模型 训练 通过特殊项目自行优化超级参数。