TensorflowSharp教程 Tensorflow是一个人工智能框架。TensorflowSharp是对Tensorflow C语言版接口的封装,可以.net开发人员在项目中使用Tensorflow。 目录 :TensorflowSharp入门。 :占位符的使用。 :变量的使用。 :变量的初始化。 :矩阵相加,数乘,矩阵相乘。 :线性回归。 :手写数字识别。 :张量的使用。 :产生序列,正态分布随机数和随机位置。 :计算倾斜度(偏导数)。 :ReduceMean,ReduceSum计算原理和方法。 :缩放矩阵(限制矩阵的最小,替代)。 :按位
2021-12-28 15:09:09 99KB csharp examples tensorflow tutorials
1
卷积神经网络的纹理合成 Tensorflow实现的论文-“使用卷积神经网络进行纹理合成” 在此笔记本中,我们将基于给定的纹理生成新的纹理。 输出将从刮擦噪声图像生成。 该过程的步骤如下。 同样,创建笔记本是为了便于自学。 步骤1:预处理输入图像 步骤2:计算输入图像所有图层的输出。 步骤3:什么是损失函数,并计算损失函数。 步骤4:运行Tensorflow模型以最小化损耗并优化输入噪声变量。 步骤5:后期处理并显示图像。 第6步:自动化处理流程 步骤7:绘制成功结果。 结果: 档案: helper.py-用于预处理图像和后处理图像 tf_helper.py-用于计算给定纹理样本图像
2021-11-17 17:10:19 17.56MB paper jupyter-notebook python3 tensorflow-tutorials
1
tensorflow中的tutorials文件夹,在出现找不到该文件夹的报错时,将其解压后,将内层tutorials文件夹(解压后的文件夹名默认也是tutorials,但它里面那个tutorials文件夹才是真正需要的,这里称为内层tutorials文件夹)放在examples文件夹下(这个examples文件夹路径一般为Lib\site-packages\tensorflow_core\examples,具体和tensorflow路径有关,里面应该还会有saved_model文件夹)即可
2021-09-22 12:41:00 29KB tensorflow tutorials
1
前言 tensorflow的一些练习demo 目录 CNN验证码识别 RNNmnist训练集识别 RNN古诗词生成模型 GANmnist训练集图片生成 DCGAN动漫头像生成 Skip-Gram的Word2Vec生成 Skip-Thought-Vector的Sentence2Vec网络 SiameseCBOW模型 历史版本 2019.04.18 增加SiameseCBOW模型 2017.10.09 暂停,思考一下人生 2017.09.26 增加Skip-Thought-Vector的Sentence2Vec网络 2017.09.13 增加Skip-Gram的Word2Vec生成 2017.09.06 增加DCGAN动漫头像生成 2017.08.31 增加GANmnist训练集图片生成 2017.08.29 增加RNN古诗词生成模型 2017.08.21 增加RNNmnist训练集识别 20
2021-05-27 23:33:41 1.39MB tensorflow-tutorials 附件源码 文章源码
1
a.ModuleNotFoundError: No module named 'tensorflow.examples.tutorials' 这个问题说明你安装的tensorflow没有tutorials文件夹,反应你安装的tensorflow不完整。所以有的朋友可以通过更改版本解决这个BUG。 这里推荐的方法是先看 \site-packages\tensorflow_core\examples里面有没有tutorials文件夹。如果没有,把这个下载下来,解压后复制进去就行。
2021-05-25 12:00:39 31KB MNIST 问题解决 tensorflow tutorials
1
之前下载的tensorflow没有tutorials包 需要下载后放入这个位置D:\software\Miniconda\Lib\site-packages\tensorflow\examples\tutorials 然后就可以正常调用了
2021-04-08 17:13:20 75KB python tensorflow tutorials
1
斯坦福-张量流教程 该存储库包含课程CS 20:TensorFlow for Deep Learning Research的代码示例。 它会随着课程的进行而更新。 详细的教学大纲和讲义可在找到。 在本课程中,我使用python3.6和TensorFlow 1.4.1。 有关上一年课程的代码和注释,请参阅文件夹2017和网站 有关安装说明和依赖项列表,请参见此存储库的安装文件夹。
1