前言 从前面的Tensorflow环境搭建到目标检测模型迁移学习，已经完成了一个简答的扑克牌检测器，不管是从图片还是视频都能从画面中识别出有扑克的目标，并标识出扑克点数。

一、Python 原生类型 TensorFlow接受了Python自己的原生数据类型，例如Python中的布尔值类型，数值数据类型（整数，浮点数）和字符串类型。

Tensorflow slim 最近在做这个迁移学习，看了一本书，叫《21个项目玩转深度学习》里面的第三章介绍如何用自己的数据集去训练自己的深度模型，当然了 这本书的python版本好像是2.x，用现在的

本文旨在将迁移学习训练好的模型基于tensorflow工具进行量化。 首先使用如下workflow理解模型部署的过程，本文主要描述的是quant这一步。 1.

我们可以在这个环境下安装tensorflow 2.0版本...

我们可以在这个环境下安装tensorflow 2.0版本...

重点 CIFAR-10 教程演示了在TensorFlow上构建更大更复杂模型的几个种重要内容： 相关核心数学对象...

通过这四个方面的对比，作者最后得出结论，TensorFlow 在大多数领域仍然处于领先地位，但 PyTorch 正在取得进展并逐渐缩小差距。 其实，这已经不是这位作者第一次调研深度学习框架了。

TensorFlow中提供哪些激活函数的API。 激活函数不会改变数据的维度，也就是输入和输出的维度是相同的...

1.如何在Docker中部署 tf serving 2.标准的tf serving API有哪些 3.如何打包自己的定制Docker镜像 当在Tensorflow中建立模型并训练好以后，只在本地运行或jupyter

近两年来，Google和Facebook等秉持开源理念，推动着AI工程工具越来越强大最近由于学术进程，一方面Pytorch越来越多地开始用于学术中来，另一方面 之前的模型都是基于tensorflow1.

在此选用了业界主流的三种深度学习框架Paddle，TensorFlow和Mxnet，对它们分别作了实战评估。用于测试的模型包括基于logistic回归模型和LSTM模型。

tensorflow训练后保存的模型主要包含两部分，一是网络结构的定义（网络图），二是网络结构里的参数值。

Mac下通过Anaconda安装Tensorflow Anaconda是一个基于python的科学计算平台，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本

在tensorflow的使用中，经常会使用tf.reduce_mean,tf.reduce_sum等函数，在函数中，有一个reduction_indices参数，表示函数的处理维度，直接上图，一目了然：

最近在学习深度学习，想在一台MX450显卡的小米笔记本电脑装pytorch和tensorflow，以下内容为方便自己以后查看，若有问题，请在评论指出，谢谢！

官方给的模型可以检测80多个类别，这里我们只检测行人，就需要将代码进行稍微修改即可： 项目路径图： 查看./data/classes/coco.names 类别的索引： 这里person为第1个，即索引为0 更改： ./core/utils.py1. draw_bbox函数(将roi_index设置为你想要的索引即可...

概述 深度学习是目前机器学习学科发展最蓬勃的分支, 在整个 AI 有广阔的应用. 人工智能是计算机科学的一个分支, 著名的 “图灵测试” 是 AI 的终极目标. 深度学习是在人工神经网络基础上发展而来的一种表示学科. 深度学习的优势: 海量的训练数据 非常灵活的模型 足够的运算能力 足够的对抗维度灾难的先验模型神经网络 卷积神经网络 (CNN) 卷积神经网络: Convolutional Neur

机器学习和深度学习的区别： 对比 传统的机器学习：需要进行特征提取...

光复制几个代码到自己机器上跑是没有用的。要理解！公式理解有困难...