【TF2.0】【笔记】深度学习概念小结

最新推荐文章于 2022-07-09 22:47:21 发布
最新推荐文章于 2022-07-09 22:47:21 发布
阅读量292 收藏
点赞数
分类专栏： Tensorflow2.0 文章标签： 人工智能 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lyx0708/article/details/104587812
版权

文章目录

绪论

分类及基本理论

通用人工智能 Artificial General Intelligence AGI

人工智能 机器学习 神经网络 深度学习
在这里插入图片描述
在这里插入图片描述
有监督学习 Supervised Learning
无监督学习 Unsupervised Learning
强化学习 Reinforcement Learning
在这里插入图片描述

深度学习应用

计算机视觉

图片识别（Image Classification）

VGG系列，Inception系列，ResNet系列

目标检测（Object Detection）

RCNN， Fast RCNN，Faster RCNN， Mask RCNN， SSD， YOLO系列

语义分割（Semantic Segmentation）

FCN， U-net, SegNet， DeepLab

视频理解（Video Understanding）

C3D， TSN， DOVF， TS_LSTM

图片生成（Image Generation）

GAN

NLP

机器翻译（Machine Translation）

Seq2Seq， GNMT， BERT，GPT，GPT-2

聊天机器人（Chatbot）

强化学习

自动驾驶（Autonomous Driving）
机器人（Robotics）
虚拟游戏

TensorFlow 2 和 PyTorch 都是采用**动态图(优先)模式开发**，调试方便，所

见即所得。一般来说，动态图模型开发效率高，但是运行效率可能不如静态图模式，

TensorFlow 2 也支持通过** tf.function** 将动态图优先模式的代码转化为静态图模式，实现开发

和运行效率的双赢

环境搭建

建议使用anaconda同意搭配

pycharm比eclipse好用

Samanii
关注
专栏目录
Tensorflow2.0：编程笔记
Docpark
03-05 458
尽管之前看了Tensorflow2.0的语法句，但总归还是不够熟练，在实践上总归是有点陌生，因此特地记录自己的一些感悟和理解。 import tensorflow as tf from tensorflow import keras import numpy as np # 1. 去除维度 # 生成[1, 25, 25, 3]的维度 x = tf.reshape(tf.range(1, 1876)...
《TensorFlow深度学习应用实践》速成笔记与学习心得
good vegetable!
02-15 1190
因急于从零开始做一个项目，不求甚解边看边记一下这本书里可用的内容。 第1章 星星之火 讲的是计算机视觉的起源和深度学习的基本概念之类的，没啥好看的 第2章 Python的安装与使用 怎么装Python和pycharm，网上资料很多。突然讲threading类，目前没明白是啥。 第3章 深度学习的理论基础----机器学习 机器学习的分类 可以按学科、学习模式、应用领域分 机器学习的基本算法 讲得很详...
DeepRL-TensorFlow2：using使用TensorFlow2轻松实现各种流行的深度强化学习算法
02-06
TensorFlow2中的深度强化学习 是一个使用实现各种流行的深度强化学习算法的存储库。 该存储库的关键是易于理解的代码。 因此，如果您是学生或研究深度强化学习的研究人员，我认为这是使用此存储库学习的最佳选择。 一种算法仅依赖于一个python脚本文件。 因此，您不必进出不同的文件即可研究特定的算法。 该存储库将不断更新，并将继续添加新的“深度强化学习”算法。 演算法 DQN 纸上 作者Volodymyr Mnih，Koray Kavukcuoglu，David Silver，Alex Graves，Ioannis Antonoglou，Daan Wierstra，Martin Rie
计算机基础学习笔记
weixin_41950249的博客
04-04 141
文章目录计算机数值用补码表示—原码、补码、反码机器数和真值:原码, 反码, 补码的基础概念和计算方法.原码反码补码为什么要用原码，反码和补码思考 计算机数值用补码表示—原码、补码、反码 在计算机系统中，数值一律用补码来表示和存储。 原因在于，使用补码，可以将符号位和数值域统一处理；同时，加法和减法也可以统一处理。此外，补码与原码相互转换，其运算过程是相同的，不需要额外的硬件电路。 本质上是因为原码...
TF2实现轻量级语义分割网络Mobile-SegNet
yubaby
02-16 161
""" Created on 2021/3/15 9:58. @Author: haifei """ # https://zhuanlan.zhihu.com/p/136657292 # https://blog.csdn.net/weixin_44791964/article/details/102979289 from tensorflow.keras.layers import Inp...
TF2实现语义分割网络SegNet
yubaby
02-16 140
""" Created on 2020/11/29 19:36. @Author: yubaby@anne @Email: yhaif@foxmail.com """ from tensorflow.keras.layers import Input, Conv2D, MaxPooling2D, BatchNormalization from tensorflow.keras.layers...
DeepRL-TensorFlow2_python进化算法工具包_深度强化学习_ddpgtensorflow2.0_
10-02
使用python实现深度强化学习的常用算法
tensorflow2深度学习从入门到精通第四章—TensorFlow 基础
m0_70274918的博客
05-03 489
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6FgLmduo-1651546929799)(https://i 《大厂前端面试题解析+Web核心总结学习笔记+企业项目实战源码+最新高清讲解视频》无偿开源 徽信搜索公众号【编程进阶路】 mg-blog.csdnimg.cn/20201208160045815.png#pic_center)] 可以看到，类的偏置成员 bias 初始化为全 0，这也是偏置𝒃的默认初始化方案。 [](()4.5.3 矩阵 矩阵也是非常常见的张量类型
智能远程医疗诊断系统：多模态机器学习，深度学习，远程服务，预测诊断，患者问题
11942，约旦bAltibbi（altibbi.com），安曼，约旦A R T I C L EI N FO保留字：阿尔蒂比多模态诊断机器学习自然语言处理深度学习文档嵌入TF-IDF特征提取数字医疗远程医疗远程医疗计算机辅助诊断阿拉伯语MENAA B S T R...
Linux学习笔记
m0_68897489的博客
07-09 2236
linux
Tensorflow_Deep_RL:深度强化学习算法的Tensorflow实现
04-28
Tensorflow_Deep_RL 用于在体育馆环境中训练代理的多种算法的实现。 算法直接从研究论文中实现，并引用了参考文献。 探索的参数空间噪声 这项工作实现了OpenAi的“探索参数空间噪声”中的思想，并且在他们的工作中，对于某些环境（尤其是奖励稀少的环境），这种方法比动作空间探索训练得更快。 噪声的标准偏差在我的工作中是恒定的，但是可以随着训练的进行而对噪声进行退火，以寻求最佳解决方案。 必须对代理商进行多次培训，因为培训很可能陷入局部最优。 档名：param_noise_mlp.py 依存关系 需要Python 3.6和 ， 和OpenAI 。 用法 python param_noise_mlp.py 图形 graph = tf . Graph () with graph . as_default (): x = tf . placeholder ( tf . f
deep-rl-tensorflow：深度强化学习论文的TensorFlow实现
02-06
TensorFlow中的深度强化学习 TensorFlow实施深度强化学习论文。 该实现包含： [1] [2][3][4][5]（进行中） [6]（正在进行中） [7]（进行中） [8]（正在进行中） 要求 Python 2.7 或 用法 首先，使用以下命令安装必备组件： $ pip install -U 'gym[all]' tqdm scipy 不要忘了还要安装最新的 。 还请注意，您需要安装所需的依赖项gym[all] 在没有gpu的情况下使用所述的DQN模型进行训练： $ python main.py --network_header_type=nips --env_na
人工智能20行代码构建浏览器中自动驾驶的tensorflow强化学习环境
01-27
人工智能20行代码构建浏览器中自动驾驶的tensorflow强化学习环境，Metacar浏览器中自驾车的强化学习环境。Metacar是在浏览器中运行的自主车辆的2D强化学习环境。该项目旨在通过解决有趣的问题让每个人更容易接受强化学习。Metacar带有一组预定义的级别，其中一些难以解决。更多级别和可能的场景将很快添加（行人，自行车...）。此外，图书馆让您创建自己的关卡并个性化环境以创建您想要的场景。如果您想成为项目的一部分，无论是在环境中实现功能还是演示算法，都可以随时加入闲散频道，提出问题并讨论所有您的梦幻想法！要开始使用metacar进行开发，请查看文档和API参考，你也可以看看在线演示
DeepRL-Agents：在Tensorflow中实施的一组深度强化学习代理
02-06
深度强化学习代理 该存储库包含以Tensorflow编写的强化学习算法的集合。 这里编写的ipython笔记本是与我在发布的仍在进行中的教程系列一起编写的。 如果您不熟悉强化学习，建议阅读随附的每种算法的文章。 该存储库当前包含以下算法： Q表-使用表解决随机环境问题的Q学习的实现。 Q-Network -Q-Learning的神经网络实现，用于解决与Q-Table中相同的环境。 简单策略-一种针对无状态环境（例如n型武装匪徒问题）的策略梯度方法的实现。 Contextual-Policy （上下文策略） -一种针对状态环境（例如上下文匪徒问题）的策略梯度方法的实现。 策略网络-一
Python-TensorFlow实现的强化学习算法集锦
08-11
Reinforcement Learning implementations and research prototyping in TensorFlow
TensorFlow 2.0深度学习算法实战教材---第12章 自编码器
猫敷雪
04-07 1145
假设机器学习是一个蛋糕，强化学习是蛋糕上的樱桃，监督学习是外面的糖衣，无监督学习则是蛋糕本体。—Yann LeCun 前面我们介绍了在给出样本及其的标签的情况下，神经网络如何学习的算法，这类算法需要学习的是在给定样本????下的条件概率????(????|????)。在社交网络蓬勃发展的今天，获取海量的样本数据????，如照片、语音、文本等，是相对容易的，但困难的是获取这些数据所对应的标签信息，例如机器翻译，除了收集源语言...
TensorFlow 2.0深度强化学习指南
阿里云云栖号
01-28 2310
在本教程中，我将通过实施Advantage Actor-Critic(演员-评论家，A2C)代理来解决经典的CartPole-v0环境，通过深度强化学习（DRL）展示即将推出的TensorFlow2.0特性。虽然我们的目标是展示TensorFlow2.0，但我将尽最大努力让DRL的讲解更加平易近人，包括对该领域的简要概述。 事实上，由于2.0版本的焦点是让开发人员的生活变得更轻松，所以我认为现在...
TensorForce: 用于应用强化学习的TensorFlow库-python
06-18
TensorForce: 用于应用强化学习的TensorFlow库 Tensorforce：一个用于应用强化学习的 TensorFlow 库 简介 Tensorforce 是一个开源深度强化学习框架，强调模块化灵活的库设计和研究和实践应用的直接可用性。 Tensorforce 建立在 Google 的 TensorFlow 框架版本 2.0 (!) 之上，并与 Python 3 兼容（Python 2 支持在 0.5 版中被删除）。 Tensorforce 遵循一组高级设计选择，这将其与其他类似库区分开来： 基于模块化组件的设计：首先，功能实现力求尽可能普遍适用和可配置，可能会以忠实地相似细节为代价介绍纸。 RL 算法与应用的分离：算法与输入（状态/观察）和输出（动作/决策）的类型和结构以及与应用环境的交互无关。 完整的 TensorFlow 模型：包括控制流在内的整个强化学习逻辑都在 TensorFlow 中实现，以实现独立于应用程序编程语言的可移植计算图，并方便模型的部署。 Quicklinks 文档和更新说明 Contact 和 Gitter 频道使用 Tensorfo
Tensorforce：用于应用强化学习的TensorFlow库-Python开发
05-25
Tensorforce：一个用于应用强化学习的TensorFlow库简介Tensorforce是一个开源的深度强化学习框架，重点在于模块化的灵活库设计; Tensorforce：一个用于应用强化学习的TensorFlow库简介Tensorforce是一个开源的深度强化学习框架，重点是模块化的灵活库设计，以及研究和实践中应用程序的简单易用性。 Tensorforce建立在Google的TensorFlow框架版本2.0（！）之上，并与Python 3兼容（Python 2支持从0.5版本中删除）。 Tensorforce遵循一系列高级设计选择
tf2.0 深度学习实战4
最新发布
08-28
TF 2.0深度学习实战4主要介绍了在TensorFlow 2.0版本中如何实现深度学习的相关内容。首先，TensorFlow 2.0版本相比之前的版本有很大的改进和优化，使得我们在构建、训练和部署深度学习模型时更加方便和高效。 在这...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值