文件名称：tf-eager-examples:从PyTorch移植以进行Tensorflow Eager执行的一组简单示例
文件大小：4.83MB
文件格式：ZIP
更新时间：2024-05-21 07:52:25
JupyterNotebook
Tensorflow渴望执行 Tensorflow Eager Execution模式除了几乎所有Tensorflow图形API，用于构建模型的高级API（Keras）以及使用Python调试桥的便捷调试之外，还提供了一种类似于Numpy的命令式编程风格。 由于Eager Execution API是最近才出现的，所以仍然存在一些问题，但是到目前为止，它们还很小，可以回避。 这些问题在笔记本中突出显示，建议即使主题很简单也要浏览注释，以了解Eager作为TF 1.8的局限性。 以下示例集展示了Keras更高级别的API的用法，执行同一操作的不同方法，可能出现的一些问题以及在我们等待Tensorflow中的更新以修复它们时如何回避它们。 值得注意的是，我尝试复制此出色的大部分内容。 缺少一些主题-例如GAN和图像字幕，因为我没有训练这类模型的计算资源。 一个明显的例外是样式转移，为此我
【文件预览】：
tf-eager-examples-master
----utils()
--------data_utils.py(1KB)
--------basic_lstm.py(3KB)
----notebooks()
--------05_inception.ipynb(14KB)
--------05_resnet.ipynb(16KB)
--------utils()
--------04_01_cnn.ipynb(8KB)
--------06_02_custom_rnn.ipynb(10KB)
--------03_feedforward_network.ipynb(8KB)
--------images()
--------language_model()
--------06_01_rnn.ipynb(7KB)
--------09_vae.ipynb(2.52MB)
--------07_01_bidirectional_rnn.ipynb(7KB)
--------01_linear_regression.ipynb(11KB)
--------08_02_rnn_lm.ipynb(33KB)
--------10_01_custom_models.ipynb(17KB)
--------10_02_custom_layers.ipynb(12KB)
--------02_logistic_regression.ipynb(9KB)
--------08_01_rnn_lm.ipynb(26KB)
--------04_02_cnn_block.ipynb(9KB)
--------06_03_fast_rnn.ipynb(9KB)
--------07_02_custom_bidirectional_rnn.ipynb(7KB)
----scripts()
--------05_inception.py(5KB)
--------10_02_custom_layers.py(4KB)
--------09_vae.py(5KB)
--------06_03_fast_rnn.py(3KB)
--------07_02_custom_bidirectional_rnn.py(3KB)
--------04_01_cnn.py(3KB)
--------03_feedforward_network.py(3KB)
--------06_02_custom_rnn.py(3KB)
--------08_01_rnn_lm.py(6KB)
--------02_logistic_regression.py(2KB)
--------10_01_custom_models.py(5KB)
--------08_02_custom_rnn_lm.py(6KB)
--------07_01_bidirectional_rnn.py(3KB)
--------04_02_cnn_block.py(3KB)
--------06_01_rnn.py(3KB)
--------08_03_ptb.py(13KB)
--------01_linear_regression.py(2KB)
--------05_resnet.py(5KB)
----LICENSE(1KB)
----README.md(6KB)
----data_ptb()
--------train(4.87MB)
--------valid(390KB)
--------test(439KB)
----.gitignore(1KB)