Siamese孪生网络-完整代码-基于Tensorflow实现，已跑通

基于tensorflow+CNN的报警信息短文本分类-附件资源

1. 人工神经网络 1.1 神经网络结构 人工神经网络（简称神经网络）是模拟人类大脑神经元构造的一个数学计算模型。 一个神经网络的搭建，需要满足三个条件。 输入和输出 权重（w）和阈值（b） 多层感知器的结构 1.2 神经网络运作过程 其中，最困难的部分就是确定权重（w）和阈值（b）。必需有一种方法，可以找出答案。 这种方法就是试错法。其他参数都不变，w（或b）的微小变动，记作Δw（或Δb），然后观察输出有什么变化。不断重复这个过程，直至得到对应最精确输出的那组w和b，就是我们要的值。这个过程称为模型的训练。 因此，神经网络的运作过程如下。 确定输入和输出 找到一种或多种算法，可以从输入得到

里面包含基于TensorFlow的mnist数据集卷积神经网络代码，从数据提取，到精度测试都有，适合初学者观看。

基于tensorflow+CNN的新闻文本分类-附件资源

tf_emotion_detector 一个基于TensorFlow的人脸表情识别系统

基于tensorflow实现CNN文本分类 目前文本分类问题主要使用的RNN/LSTM，但是本身具有时序性强、速度慢等局限性。而CNN的主要特点是速度快，主要用于计算机图像的核心部分GPU的硬件层实现。

HandGestureClassify 基于tensorflow的手势识别和分类 博文地址： 原手部检测代码源自： 分类代码参考： 使用说明： 1.手势识别 运行 run_demo_hand_with_tracker.py 进行实时手势识别 修改 config.py 中的 DEMO_TYPE 可更改输出的图像类型 将 run_demo_hand_with_tracker.py 中的 cv2.imwrite('./storePic/11'+str(i)+'.jpg', local_img.astype(np.uint8),[int(cv2.IMWRITE_JPEG_QUALITY), 90]) 语句解除注释可以保存图片到项目目录下，可以自行修改存储目录 2.手势图像分类 classmain.py 代码用于训练分类 用于训练的手势数据集存于 classify -- handGestureP

ZhuSuan 一个基于Tensorflow的贝叶斯深度学习库ZhuSuan

问题描述 给定波士顿地区一系列地区租房的价格，然后罗列出了收集到多个因素，每个因素已经是量化好。现在给定的要求是，使用一个多元线性模型去拟合这些数据，然后用于预测。 模型 price=f(x1,x2,…,xn)=∑i=1nwixi+b price = f(x_1, x_2, …, x_n) = \sum\limits_{i=1}^{n} w_i x_i + bprice=f(x1​,x2​,…,xn​)=i=1∑n​wi​xi​+b 这里没有激活函数，所以还不到神经网络的阶段。 基于Tensorflow的建模一般步骤 数据准备： 1. 筛选 2. 分类 3. 清洗 4. 格式化 模型构建 1.