tensorflow笔记

在这门课程里你将掌握Deep Learning的概念和使用Keras和TensorFlow框架的模型，并实现深度学习算法，为你成为一名Deep Learning工程师做铺垫。 TensorFlow课程认证培训中，你将熟悉人工神经网络、PyTorch、自动编码器等的语言和基本概念。完成学习后，你将能够建立Deep Learning模型，解释结果，并建立自己的深度学习项目。 该课程面向神经网络、机器学习、深度学习、人工智能入门的同学，通过系统化学习，快速掌握TensorFlow技术及其应用。

在这门课程里你将掌握Deep Learning的概念和使用Keras和TensorFlow框架的模型，并实现深度学习算法，为你成为一名Deep Learning工程师做铺垫。 TensorFlow课程认证培训中，你将熟悉人工神经网络、PyTorch、自动编码器等的语言和基本概念。完成学习后，你将能够建立Deep Learning模型，解释结果，并建立自己的深度学习项目。 该课程面向神经网络、机器学习、深度学习、人工智能入门的同学，通过系统化学习，快速掌握TensorFlow技术及其应用。

tensorflow 1.14 Mac 系统本地跑需要的dylib

tensorflow的量子计算结合框架TFQ，为量子计算与深度学习提供了有效途径

用Tensorflow搭建CNN卷积神经网络，实现MNIST手写数字识别-附件资源

cnn_captcha 使用CNN通过张量流识别验证码。本项目针对字符型图片验证码，使用张量流实现卷积神经网络，进行验证码识别。项目封装了比较通用的校验，训练，验证，识别，API模块，极大地减少了识别字符型验证码花费的时间和能量。 如果您在使用过程中出现了一个错误和做好的改进，欢迎提出问题和PR，作者会尽快回复，希望能和您共同完善项目。 如果您需要识别点选，拖拽类验证码，或者有目标检测需求，也可以参考这个项目 。 时间表 2018.11.12 初版Readme.md 2018.11.21 加入关于验证码识别的一些说明 2018.11.24 优化验证数据集图片的规则 2018.11.26 tr

快速SRGAN 该存储库的目标是实现实时超分辨率，以对低分辨率视频进行升采样。 目前，该设计遵循架构。 但是代替残差块，采用反向残差块以提高参数效率和快速操作。 这种想法在某种程度上受到。 培训设置如下图所示： 速度基准 通过平均800帧以上的运行时间获得以下运行时间/ fps。 在GTX 1080上测得。 输入图像尺寸 输出尺寸 时间（秒） 第一人称射击 128x128 512x512 0.019 52 256x256 1024x1024 0.034 30 384x384 1536x1536 0.068 15 我们看到有可能以30fps的速度将其上采样到720

文本多标签分类-BERT-Tf2.0 该存储库包含针对多标签文本分类的预训练BERT模型的Tensorflow2.0实现。 脚步 从下载数据 借助download_bert.sh下载预训练的模型权重 运行train_bert.py 训练损失和准确性 测试损失和准确性

甲状腺 用于评估在超声中观察到的甲状腺结节的代码库：与使用ACR TI-RADS的放射科医生进行深度学习的比较。 由开发。 它包含使用Keras框架和TensorFlow后端的多任务CNN模型的实现。 如果您在研究中使用此代码，请考虑引用以下内容： @article{buda2019evaluation, title={Evaluation of Thyroid Nodules Seen on Ultrasound: Comparison of Deep Learning to Radiologists Using ACR TI-RADS}, author={Buda, Mateusz and Wildman-Tobriner, Benjamin and Hoang, Jenny K and Thayer, David and Tessler, Franklin N an