神经网络 概述 是等人提出的多任务级联卷积神经网络进行人脸检测的方法，它能够同时输出人脸的检测框以及5个关键点，是开源中效果最好的人脸检测器，，作者提供的版本为，它采用三级级联架构分阶段逐步过滤人脸，在CPU上可达到实时和较高的准确率，是目前人脸检测领域的基准。 由于各种不同的姿态，光照和遮挡等，人脸检测和对齐在非控制环境下非常具有挑战性。最近的研究表明使用深度学习能够获得惊艳的性能，MTCNN提出了一个多任务级联框架其发掘了检测和对齐的内在联系来提升性能。特别是，其通过由粗到细的方式设计了3个精心设计的级联式的网络来检测脸和关键点，从而又提出了一种在线难例挖掘的策略进一步提升性能。其超过能有

tensorflow_model_optimization离线安装包

主要介绍了Tensorflow中使用tfrecord方式读取数据的方法，适用于数据较多时，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

机器学习课程中，人脸识别项目的TensorFlow源代码，仿照cifar10实现，包含数据可以直接运行。根据已有的人脸数据和身份标签训练卷积神经网络，在测试时输入新图片，输出身份信息。

今天小编就为大家分享一篇基于tensorflow加载部分层的方法，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

今天小编就为大家分享一篇tensorflow 只恢复部分模型参数的实例，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

srcnn matlab代码SRCNN-张量流 概述 SRCNN 算法的实现。 官方网站上的原始Matlab和Caffe可以找到。 文件 测试/：测试数据集 train/：训练数据集 main_process.py：主要训练/测试文件 srcnn_model.py：定义srcnn模型类 utils.py：数据预处理函数 preprocess.m：预处理训练/测试图像，包括图像裁剪和归一化（ Matlab 代码） modcrop.m：裁剪适合特定比例的尺寸（ Matlab 代码） 用法 用于训练， python main_process.py 用于测试， python main_process.py --is_train False --extract_stride 21 结果 去做 参考 原论文： 部分代码基于这个库，scipy 实现了图像预处理。

Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems by Aurélien Géron English | 13 Mar. 2017 | ASIN: B06XNKV5TS | 581 Pages | AZW3 | 21.66 MB Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how. By using concrete examples, minimal theory, and two production-ready Python frameworks—scikit-learn and TensorFlow—author Aurélien Géron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You’ll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you’ve learned, all you need is programming experience to get started. Explore the machine learning landscape, particularly neural nets Use scikit-learn to track an example machine-learning project end-to-end Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods Use the TensorFlow library to build and train neural nets Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning Learn techniques for training and scaling deep neural nets Apply practical code examples without acquiring excessive machine learning theory or algorithm details

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

用于训练自己制作的数据集的一个项目。关于如何制作自己的数据集 http://tech.ifeng.com/a/20171014/44715883_0.shtml 盯住梅西：TensorFlow目标检测实战 上面有详细的介绍。