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

离线安装tensorflow1.7或tensorflow1.13时需要的依赖项。

win10下搭建Mask Rcnn环境详细教程并运行第一个demo程序（包含Anaconda+Tensorflow-gpu+Cuda+cuDnn安装过程及各种坑）-附件资源

TensorFlow的MNIST分类 这是一个学习的例子！ 要求 Python> = 3.4 TensorFlow> = 1.0 节点> = 6.9 怎么跑 $ python main.py

CTPN（tensorflow）+CRNN（pytorch）+CTC-附件资源

实时人脸识别器 该示例演示了Android上的实时人脸识别。 该项目基于 。 灵感 该项目的灵感来自 屏幕截图 该代码可以识别5位名人的面Kong。 另外，您可以使用照片添加新人。 预训练模型 来自大卫·桑德伯格的脸网 型号名称 LFW精度 训练数据集 建筑 0.9965 VGGFace2 来自MediaPipe 论文： 执照

1.框架采用tensorflow，是深度学习项目 2.源码用python 编写，完整有注释 3.可以运行 4.可以进行模型训练和处理 5.包含数据集 6.包含论文 论文目录如下： 1. 引言 2 1.1目的和意义 2 1.2研究领域现况 2 2. 原理及网络结构 2 2.1算法原理 2 2.2网络结构 2 3. 模型训练 2 3.1数据采集和处理 2 3.2实验方法 2 4. 实验结果及分析 2 5. 总结 2 参考文献 2

Tensorflow实现一个简单的CNN，含3层卷积池化层，2层全连接层，激活函数ReLU，采用dropout和softmax函数做分类器

计算机视觉——【tensorflow入门】Tensor与Numpy.ndarray的相互转换 计算机视觉.pdf

tensorflow1.10gpu,_python37,cuda10,cudnn73,avx2....