keras-gradcam Keras实现GradCAM。 主要修复是支持Tensorflow 2.0及更高版本。 原始Keras实现： : 运行脚本： python grad_cam.py 。 描述 存储库包含三种用于解释基本模型预测的方法的实现： ; ; 引导式Grad-CAM ，仅是前两个的乘积。 实现使用Tensorflow作为后端，并使用VGG16作为基础模型。 例子 参考

Yolo（所有版本）TensorFlow 2.4中的实时对象检测器 。 · 去做 转移学习 YoloV4配置 YoloV4培训 YoloV4损失功能调整。 现场积失 命令行选项 YoloV3微小 Rasberry Pi支持 目录 入门 安装 克隆仓库 git clone https://github.com/emadboctorx/yolo-tf2 安装 注意：如果您具有与cuda兼容的GPU，请在requirements.txt取消注释tensorflow-gpu cd yolo-tf2 pip install . 验证安装 yolotf2 出： Yolo-tf2

DDPG_TF2 很难在TF2中找到简单整洁的DDPG实现，因此我做了一个。 DDPG DDPG是一种无模型的非策略算法，可在连续动作空间中学习Q函数和策略。 它受Deep Q Learning的启发，可以看作是连续acion空间上的DQN。 它利用政策外数据和Bellman方程来学习Q函数，然后使用Q函数来推导和学习政策。 在DDPG的此实现中，一开始执行n次纯探索（由rand_steps参数指定）。 通过在整个范围内均匀分布来选择动作。 主要特点： 随机（深度）模型估计可提供连续（无限）的动作空间。 使用噪声过程（例如， Ornstein–Uhlenbeck过程）进行动作空间探索。 使用经验重播可以稳定地学习以前的经验。 演员和评论家结构 在演员和评论家网络中使用目标模型（通过Polyak平均进行权重转移）。 使用Bellman方程描述每对<状态，动作>的最佳q值函数。

tensorflow-2.0.0-cp37-cp37m-win_amd64.whl tensorflow-2.0.0-cp37-cp37m-win_amd64.whl

tf2.0稳定版（win64,python3.6版本，2019-10-7最新版本）,需要的可以下载。