《21个项目玩转深度学习——基于TensorFlow的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow框架编程内容。 通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。全书共包含21个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow的过程变得轻松和高效。本书代码基于TensorFlow 1.4及以上版本，并介绍了TensorFlow中的一些新特性。

本文介绍了TensorFlow的基础原理与应用，并侧重于结合实际例子讲解使用TensorFlow的方法。

以上帝的名义 亚历克斯网 该存储库包含实现的 （具有深层卷积神经网络的ImageNet分类）以及使用进行测试的网络。 下载CIFAR-10数据集 在训练和评估网络之前，应下载以下数据集： CIFAR-10数据集： ://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz 解压缩cifar-10-python.tar.gz文件，然后您的文件夹结构应如下图所示： 训练CIFAR-10数据集 要使用cifar-10数据集训练网络，请在命令提示符下键入以下命令： python3 ./train.py cifar-10数据集的样本图像： 结果 时代0 Train Accuracy = 0.100 Test Accuracy = 0.100 纪元1 Train Accuracy = 0.305 Test Accuracy = 0.303 纪元

主流文本分类模型的Tensorflow实现

今天小编就为大家分享一篇解决Tensorflow安装成功,但在导入时报错的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

资源自带数据、模型，运行main.py可以直接跑出结果。 内容概要：资源里有详细介绍原理。 适合人群：具备一定python编程基础人员 能学到WHVG和GCN_GIN+的滚动轴承故障诊断流程 阅读建议：过查看注释，修改源码，添加断点，编译等，帮助自己充分理解源码。

基于DEAP的脑电情绪识别（基于CNN的多目标进化算法选择的人类情绪与脑电图通道的二维区分)，采用的tensorflow框架，模型为深度卷积神经网络模型

Mnist，烧瓶和Tensorflow 一个烧瓶应用程序，用于处理Mnist数据集。 环境 Anaconda Python 3.6 安装库文件： conda install requirements.txt 运行烧瓶应用程序 要运行该应用程序： set FLASK_APP = app.py flask run 然后连接到： : : 用法 首先，训练模型 然后，通过图纸编号测试模型 内置 -画数字的画板

Tensorflow声纹识别说话人识别

NRL实施 重新实现四种网络表示学习（NRL）算法：DeepWalk，LINE，node2vec，GraphGAN。 环境 NumPy TensorFlow Gensim 网络X 数据 路径./data/中有两个数据集： ：引文数据集。 ：以下网络。 训练 首先，找到项目的根路径： cd NRL-implement 对于DeepWalk： python DeepWalk/main.py 对于LINE： python LINE/main.py 对于node2vec： python node2vec/main.py 这三个实现使用cora作为数据集，结果保存在./results/cora/中。 使用逻辑回归作为分类器，以评估这三种实现产生的嵌入质量。 python LRclassifier.py --method DeepWalk DeepWalk可以用LIN