编译前先安装依赖: xcode 9.2或者更高 使用 brew包管理工具安装python brew install python 安装依赖: pip install -U --user pip numpy wheel packaging requests opt_einsum1. pip install -U --user keras_preprocessing --no-deps1. brew

1提高图片分辨率——开源例子 2MNIST简单训练 3图像处理的相关应用 提高图片分辨率-开源例子 该项目是使用生成对抗网络的令人印象深刻的工作照片真实单图像超分辨率的张量流实现 。 训练方法大致就是构建好网络后，找一个高清图片数据集，对每个图片做处理得到低分辨率的图片，从而得到低分辨率图片数据集。用这两个数据集来训练网络，实现低分辨率到高分辨率图片的转化...

养了七年的TensorFlow终于还是被Meta的PyTorch干趴下了，在一定程度上。 谷歌眼见不对，赶紧又要了一个——「JAX」，一款全新的机器学习框架。

你有没有关注最近有没有看TensorFlow2020峰会?今年，TensorFlow团队发布了很多非常酷的产品，本文就将介绍如何使用tensorflow.js模型执行计算机视觉应用程序。

SSD网络tensorflow版本源码深入分析 以VGG-16作为特征提取层实现SSD网络的代码，解读SSD网络代码实现的各个细节，从输入参数、默认框的位置匹配、宽高比率、放缩比率、各层默认框的生成、到损失函数计算

本小节直接从 TensorFlow contrib 数据集加载数据。使用随机梯度下降优化器优化单个训练样本的系数。 实现简单线性回归的具体做法 导入需要的所有软件包： 在神经网络中，

TensorFlow 队列 队列（Queue）是一种最为常用的数据输入输出方式，其通过先进先出的线性数据结构，一端只负责增加队列中的数据元素，而数据的输出和删除在队列的另一端实现。

一般用于解决过拟合的方法有增加权重的惩罚机制，比如L2正规化，但在本处我们使用tensorflow提供的dropout方法...

1.实现一个简单的神经网络 TensorFlow中的一个称为keras的API，Keras使定义神经网络变得非常容易 dense定义一层相连的神经元，一个dense表示一层 优化器是sgd，代表随机梯度下降

源码下载地址：https://share.weiyun.com/a0c1664d334c4c67ed51fc5e0ac5f2b2 初学机器学习，写篇文章mark一下，希望能为将入坑者解点惑。本文介绍一些机器学习的入门知识，从安装环境到跑通机

一、概念 1. 多层感知机：MLP（Multilayer Perceptron） 人工神经网络领域通常被称为神经网络或多层感知机，可能是最有用的神经网络类型。 感知机是单个神经元模型，用以组成复杂神经网络。它于1958年由Frank Rosenblatt第一次引入。单层感知器可以用来区分线性可分的数据，并且一定可以在有限的迭代次数中收敛。 2. 单层感知器示例 3. 多层感知机除了输入与输出层...

这里将加载iris数据集，创建一个山鸢尾花（I.setosa）的分类器...

一：argmax中axis问题 总之：axis=0/1不是行/列关系 test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])1. （一）axis=0 : 0表示最大范围，所有的数组都要比较到 np.argmax(test, 0)1. 你就这么想，0是最大的范围，所有的数组都要进行比较...

人工智能是基础科学与工程实践结合的技术领域，近年来已经融合了越来越多的其他方向。在数字化逐渐成型的今天，AI 将为技术进步产生推动作用。 近日，剑桥大学的 2020 版《AI 全景报告》终于出炉，这是该年度报告的第三期。和往年一样，该报告援引的数据来自知名科技公司和研究小组。新版 AI 全景报告以几个方面分别介绍了人工智能领域最近一段时间的发展趋势：研究、人才、业界、政策和未来展望...

1. 优化器（optimizer） 优化器的基类（Optimizer base class）主要实现了两个接口，一是计算损失函数的梯度，二是将梯度作用于变量...

我们将实现一个类似于Kim Yoon的卷积神经网络语句分类的模型。 本文提出的模型在一系列文本分类任务（如情感分析）中实现了良好的分类性能，并已成为新的文本分类架构的标准基准。 本文假设你已经熟悉了应用于NLP的卷积神经网络的基础知识。 如果没有，建议先阅读Understanding Convolutional Neural Networks for NLP 以获得必要的背景...

autoencoder可以用于数据压缩、降维，预训练神经网络，生成数据等等Auto-Encoder架构 需要完成的工作 需要完成Encoder和Decoder的训练 例如，Mnist的一张图片大小为784维，将图片放到Encoder中进行压缩，编码code使得维度小于784维度，之后可以将code放进Decoder中进行重建,可以产生同之前相似的图片...

最近由于研究方向的更换，接触到了目标检测（Object Detection）领域，觉得很有意思，并且阅读了该方向的相关经典文献，包括Fast-RCNN、Faster-RCNN、SSD、YOLO以及RetinaNet等。复现别人代码并且能够得到在公开数据集上和原作者相近甚至相同的实验结果对于我们做研究甚至以后的工作来说是至关重要的...

knn的基本原理： KNN是通过计算不同特征值之间的距离进行分类。 整体的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在分类决策上只依据最邻近的一个或者几个样本的类别来决定待分类样本所属的类别。 KNN算法要解决的核心问题是K值选择...

▲ 机器之心根据真实店铺照片生成的效果图，一度以为，这就是某个日漫番剧的截图 随手拍张照片，顺势转换为宫崎骏、新海诚等日漫大师的手绘风格作品，这个专门生成动漫图像的 GAN，实测很好用。 尽管最近 2019 年的图灵奖颁给了计算机图形学、颁给了皮克斯 3D 动画，但很多人可能认为二维动漫更有意思一些。像宫崎骏、新海诚这些大师手绘下的动漫，才有了灵魂，张张都能成为壁纸，而整个日漫也以二维为核心...