TFDeepSurv 通过张量流实现Deep Cox比例风险模型和生存分析。 建议的TensorFlow版本为1.15.3。 并且模块测试在TensorFlow-1.15.3下通过了。 注意： 已发布。 旧版本位于分支archive_v1 。 与v1.0版本相比，当前版本有了很大的改进： 建立计算图的速度 利用原始的tensorflow操作来计算损失函数（用于处理关系） 生存数据的统一格式 代码优雅而简单 如果您有任何问题，请先阅读以下常见问题解答，或直接发送电子邮件给我。 1.与DeepSurv的区别 是Deep Cox比例风险模型的软件包，在Github上开源。 但是我们的作品可能会发光： 在您的生存数据中支持死亡时间的联系，这意味着不同的损失函数和生存函数的估计量（ Breslow近似）。 提供生存函数估计。 使用科学方法-贝叶斯超参数优化来调整DNN的超参数。 通

大数据-算法-金刚石单晶三阶非线性光学极化率张量的测量.pdf

DnCNN-张量流 TIP2017论文的张量流执行器， 模型架构 结果 BSD68平均结果 BSD68数据集上不同方法的平均PSNR（dB）结果。 噪音等级 BM3D 无线网络 锁相环 MLP 脑脊液 TNRD 神经网络 神经网络 DnCNN-张量流 25 28.57 28.83 28.68 28.96 28.74 28.92 29.23 29.16 29.17 Set12平均结果 噪音等级 神经网络 DnCNN-张量流 25 30.44 30.38 要求 tensorflow >= 1.4 numpy opencv 数据集 我使用BDS500数据集进行训练

TenSEAL TenSEAL是一个基于构建的用于在张量上进行同态加密操作的库。 它通过Python API提供了易用性，同时通过使用C ++实现大多数操作来保持效率。 产品特点 :key: 使用BFV对整数向量进行加密/解密 :old_key_selector: 使用CKKS对实数向量进行加密/解密 :fire: 加密加密矢量和加密普通矢量的逐元素加法，减法和乘法 :cyclone: 点积和向量矩阵乘法 :high_voltage: 在tenseal.sealapi下完成SEAL API 用法 我们展示了加密数据的基本操作，有关机器学习应用程序的更高级用法，请参见我们的 import tenseal as ts # Setup TenSEAL context context = ts . context ( ts . SCHEME_TYPE . CKKS , poly_modulus_degree = 8192 , coeff_mod_bit_sizes = [ 60 , 40 , 40 , 60 ]

博客：张量乘积题目的相关文档~

安全技术-网络信息-网络化演化博弈的建模和策略调控半张量积方法.pdf

最基础最全——张量分析..ppt

电子商务进农村综合示范项目-大数据+智慧电商规划方案.pdf

磁偶极子，磁张量计算，磁异常检测

YoloVx（yolov5 / yolov4 / yolov3 / yolo_tiny） 张量流 安装NVIDIA驱动程序 安装CUDA10.1和cudnn7.5 安装Anaconda3，下载 安装tensorflow，例如“ sudo pip install tensorflow> = 1.15或tensorflow> 2.0”等。 介绍 受启发的YOLOv5的tensorflow实现。 受启发的YOLOv4的tensorflow实现。 来自框架代码。 骨干：Darknet53； CSPDarknet53 ，米什 ； MobileNetV2; MobileNetV3（大小） 颈部：SPP ，PAN ； 头：YOLOv5 / YOLOv4（Mish），YOLOv3（Leaky_ReLU） ； 损失：DIOU CIOU ，Focal_Loss ； 其他：Label