如果发现有用，请加注仓。令人敬畏的TFLite TensorFlow Lite（TFLite）是一组工具，可帮助转换和优化TensorFlow模型以在移动设备和边缘设备上运行-当前运行于40亿以上。发现它有用...令人敬畏的TFLite TensorFlow Lite（TFLite）是一组工具，可帮助转换和优化TensorFlow模型以在移动设备和边缘设备上运行-目前在超过40亿个设备上运行！ 使用TensorFlow 2.x，您可以使用tf.Keras训练模型，轻松地将模型转换为.tflite并进行部署; 或者您可以从模型动物园下载经过预训练的TFLite模型。 这是TFLite模型的精选列表，其中包括示例应用，模型动物园，有用的工具和

只需要将以上的 test_images，train_images，train-saver，以及四个核心程序按照 项目总体框架图放进来即可

包含对TensorFlow API接口的详细描述，包括参数的描述，函数的过程，返回的参数。对Tensorflow包所提供的的每一个库函数都有详细说明

使用Python轻松解析TFLite模型 此解析由构建的TensorFlow Lite（TFLite）模型（ *.tflite ）。 有关背景，请参阅 。 用法 安装该软件包并像从TensorFlow代码库中构建的那样使用它。 建议安装与生成TFLite模型的TensorFlow相同的版本。 pip install tensorflow==2.3.0 pip install tflite==2.3.0 增强功能 生成的python包有时不友好使用。 我们引入了一些增强功能： 轻松导入：单import tflite （），以取代进口每一类和funtions在tflite （）。 内置操作码助手：操作码被编码为数字，这对于人类来说是很难解析的。 添加了两个API，以使其易于使用。 ：获取给定操作码的类型名称。 ：将操作码映射到所有内置运算符名称的字典。 兼容性处理 Tensor

Kymatio：Python中的小波散射 Kymatio是Python编程语言中的小波散射变换的实现，适用于信号处理和机器学习中的大规模数值实验。 散射变换是实现为卷积网络的平移不变信号表示形式，其滤波器不是学习的而是固定的（作为小波滤波器）。 如果需要以下库，请使用Kymatio： 支持一维，二维和三维小波， 将小波散射集成到深度学习架构中，并且 通过主要的深度学习API（例如PyTorch和TensorFlow）在CPU和GPU硬件上无缝运行。 Kymatio环境 灵活性 Kymatio组织将几个预先存在的小波散射软件包的开发人员联系在一起，包括ScatNet ， scatterin

tensorflow， Google发布的第二代深度学习系统。该框架已经很好的集成了深度学习的各种算法

cudnn7 for cuda9.0，也就是说cuda9.0需要的东西，嘻嘻嘻嘻嘻嘻。

cuda_9.0.176_win10 ,搭配Anaconda3-5.1.0-Windows-x86_64，cudnn-9.0-windows10 x64-v7，tensorflow_gpu-1.8.0-cp36-cp36m-win_amd64 可在win10中使用

这是SSD.Tensorflow的github项目，方便大家下载，里面还附加了一些脚本 海马的 数据集 测试图片，方便大家测试 重现内容。

TFRecord阅读器 安装 pip3安装tfrecord 用法 建议为每个TFRecord文件创建一个索引文件。 使用多个工作程序时必须提供索引文件，否则加载程序可能会返回重复的记录。 python3 -m tfrecord.tools.tfrecord2idx 使用TFRecordDataset读取PyTorch中的TFRecord文件。 import torch from tfrecord . torch . dataset import TFRecordDataset tfrecord_path = "/path/to/da