GRADCAM-Tensorflow2-可视可解释AI Grad-CAM：深度网络通过基于梯度的本地化的视觉解释 安装Grad CAM： !pip install tf-explain src： : 论文：Grad-CAM：深度网络通过基于梯度的本地化的视觉解释 参考： : 摘要：我们提出了一种技术，该技术可为来自大量基于CNN的模型的决策产生“视觉解释”，从而使其更加透明。 我们的方法-梯度加权类激活映射（Grad-CAM），使用任何目标概念的梯度，流入最终的卷积层，以生成一个粗略的局部化地图，突出显示图像中用于预测该概念的重要区域。 Grad-CAM适用于各种CNN模型系列：（1）具有完全连接层的CNN，（2）用于结构化输出的CNN，（3）用于具有多模式输入或强化学习任务的CNN，无需任何架构变更或重新培训。 我们将Grad-CAM与细粒度的可视化相结合，以创建高分辨率的

nlpgnn 包装说明 自然语言处理领域当前正在发生巨大变化，近年来，已经提出了许多出色的模型，包括BERT，GPT等。 同时，图形神经网络作为一种精美的设计正在诸如TextGCN和Tensor-TextGCN等自然语言处理领域中不断使用。 该工具箱专用于自然语言处理，希望以最简单的方式实现模型。 关键字：NLP； 神经网络 楷模： 伯特 阿尔伯特 GPT2 TextCNN Bilstm +注意 GCN，GAN 杜松子酒 TextGCN，TextSAGE 示例（有关更多详细信息，请参见测试）： BERT-NER（中英文版） BERT-CRF-NER（中英文版） BERT-CLS

tensorflow2.0 Gpu版本，在cuda11.0 cudnn8.0-vs2019 下编译，需要依赖cuda11.0和cudnn8.0.

tensorflow2.4.0 py3.6 whl文件 pip install tensorflow 即可安装文件

适合树莓派安装TensorFlow 下载不下来版本为 tensorflow-2.1.0-cp37-none-linux_armv7l.whl

其中最主要介绍tensorflow的基础教程，详细明了，包括从基础到实战的视频教程，数学讲解清晰，包括resnet，rnn，goolenet，lstm，域对抗等网络的搭建实战，是有偿的，需要的可以联系我（Chovy-QW），很值得看。

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用EfficientNetB0。 通过这篇文章你可以学到： 1、如何加载图片数据，并处理数据。 2、如果将标签转为onehot编码 3、如何使用数据增强。 4、如何使用mixup。 5、如何切分数据集。 6、如何加载预训练模型。 原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122807559

唐宇迪TensorFlow2教程课件代码

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV3。本文实现的算法有一下几个特点： 1、自定义了图片加载方式，更加灵活高效，不用将图片一次性加载到内存中，节省内存,适合大规模数据集。 2、加载模型的预训练权重，训练时间更短。 3、数据增强选用albumentations。 4、使用classification_report评估模型。 详见文章链接： https://wanghao.blog.csdn.net/article/details/122797153?spm=1001.2014.3001.5502

本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，今天我和大家一起实现tensorflow2.X版本图像分类任务，分类的模型使用MobileNetV3。 通过这篇文章你可以学到： 1、了解MobileNetV3的特点。 2、如何加载图片数据，并处理数据。 3、如果将标签转为onehot编码 4、如何使用数据增强。 5、如何使用mixup。 6、如何切分数据集。 7、如何加载预训练模型。 原文链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122795928