一定要阅读README

近期做了一些反垃圾的工作，除了使用常用的规则匹配过滤等手段，也采用了一些机器学习方法进行分类预测。我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。 总结一下Tensorflow常用的模型保存方式。 保存checkpoint模型文件（.ckpt） 首先，TensorFlow提供了一个非常方便的api，tf.train.Saver()来保存和还原一个机器学习模型。 模型保存 使用tf.train.Saver()来保存模型文件非常方便，下面是一个简单的例子： import ten

YoloVx（yolov5 / yolov4 / yolov3 / yolo_tiny） 张量流 安装NVIDIA驱动程序 安装CUDA10.1和cudnn7.5 安装Anaconda3，下载 安装tensorflow，例如“ sudo pip install tensorflow> = 1.15或tensorflow> 2.0”等。 介绍 受启发的YOLOv5的tensorflow实现。 受启发的YOLOv4的tensorflow实现。 来自框架代码。 骨干：Darknet53； CSPDarknet53 ，米什 ； MobileNetV2; MobileNetV3（大小） 颈部：SPP ，PAN ； 头：YOLOv5 / YOLOv4（Mish），YOLOv3（Leaky_ReLU） ； 损失：DIOU CIOU ，Focal_Loss ； 其他：Label

当时自己从官网上下下来的，炒鸡花时间，所以上传上来方便大家。下载后直接pip install tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl 即可

tensorflow 离线安装包 An Open Source Machine Learning Framework for Everyone

TensorFlow + Opencv 实现简单的图像识别。 使用TensorFlow搭建简单的BP神经网络的模型，一层输入层，一层隐藏，一层输出，最终实现简单的图像识别。 机器学习

Python+Tensorflow机器学习实战-配套课件和源文件

实验环境：tensorflow版本1.2.0，python2.7 介绍 关于空洞卷积的理论可以查看以下链接，这里我们不详细讲理论： 1.Long J, Shelhamer E, Darrell T, et al. Fully convolutional networks for semantic segmentation[C]. Computer Vision and Pattern Recognition, 2015. 2.Yu, Fisher, and Vladlen Koltun. “Multi-scale context aggregation by dilated convoluti

1  conda create -n TF_2C python=3.6 2 activate TF_2C 3 pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple   4 测试 输出TensorFlow版本：print(tf.__version__)   5 安装其他  （1）安装matplotlib          python -m pip install -U pip setuptools           python -m pip install matplotlib    

Tensorflow 2 Keras的深度强化学习 注意：需要tensorflow == 2.1.0 它是什么？ keras-rl2在Python中实现了一些最先进的深度强化学习算法，并与深度学习库无缝集成。 此外， keras-rl2可以与一起使用。 这意味着评估和使用不同算法很容易。 当然，您可以根据自己的需要扩展keras-rl2 。 您可以使用内置的Keras回调和指标或定义自己的指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可。 包含什么？ 截止到今天，已经实现了以下算法： 深度Q学习（DQN） [1] ， [2] Double DQN [3] 深度确定性策略梯度（DDPG） [4] 连续DQN（CDQN或NAF） [6] 交叉熵方法（CEM） [7] ， [8] 决斗网络DQN（Dueling DQN） [9] 深层S