文件名称：笔记本：针对不同主题的机器学习笔记本进行了优化，可在Google合作实验室中运行
文件大小：17.15MB
文件格式：ZIP
更新时间：2024-03-18 08:58:37
JupyterNotebook
笔记本电脑 姓名 描述 类别 关联 培训pix2pix 该笔记本显示了用于在简单数据集上训练pix2pix的简单管道。 大多数代码都基于。 甘 一个地方 该笔记本显示了如何直接从一个笔记本在浏览器中训练，测试然后部署模型。 我们使用一个简单的XOR示例来证明这个简单的概念。 部署方式 TPU与GPU Google最近允许在colab上免费培训TPU。 本笔记本介绍了如何启用TPU培训。 此外，它还通过比较TPU和GPU性能报告了使用mnist数据集的一些基准。 热塑性聚氨酯 Keras自定义数据生成器 该笔记本显示了如何在keras中创建自定义数据生成器。 数据生成 渴望执行（1） 我们知道TenosrFlow与静态图一起使用。 因此，首先您必须创建图，然后再执行它。 这使调试有点复杂。 现在，借助Eager Execution，您可以直接评估操作，而无需创建会话。
【文件预览】：
Notebooks-master
----tf_Face_SSD.ipynb(559KB)
----tf_pix2pix.ipynb(237KB)
----tf_ClassficationLocalization.ipynb(670KB)
----images()
--------weightrasnfer.png(11KB)
--------tmp(1B)
----tf_handBbox_esitmation.ipynb(275KB)
----TF4ST_MNIST.ipynb(12KB)
----Deep_GCN_Spam.ipynb(33KB)
----ONePlace.ipynb(15KB)
----BigGanEx.ipynb(6.37MB)
----Swift4TF_CIFAR10.ipynb(20KB)
----Localizer.ipynb(905KB)
----AutoEncoders.ipynb(647KB)
----LICENSE(1KB)
----Swift4TF_DeepDream.ipynb(841KB)
----TF_2_0.ipynb(57KB)
----Eager_Execution_Enabled.ipynb(56KB)
----QuickDraw10.ipynb(307KB)
----Eager_Execution_Gradient_.ipynb(24KB)
----WeightTransfer.ipynb(14KB)
----GPUvsTPU.ipynb(10KB)
----BigGAN.ipynb(8.66MB)
----unet.ipynb(132KB)
----tf_TransferLearning.ipynb(1.65MB)
----README.md(13KB)
----Mask_RCNN.ipynb(1.5MB)
----GradientFlow.ipynb(30KB)
----Sketcher.ipynb(49KB)
----SC_FEGAN.ipynb(385KB)
----Strokes_QuickDraw.ipynb(33KB)
----Custom_Data_Generator_in_Keras.ipynb(689KB)
----TF_Swift.ipynb(36KB)