【TF2.0】【笔记】深度学习概念小结

最新推荐文章于 2022-02-16 20:13:00 发布
最新推荐文章于 2022-02-16 20:13:00 发布
阅读量278 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
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TF2.0深度学习实战（一）：分类问题之手写数字识别
不积跬步，无以至千里！
03-06 1万+
你与AI只差这一步～
TF2实现语义分割网络SegNet
yubaby
02-16 125
""" 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...
语义分割之基于Mobile网络的segnet模型
吃不胖的粥
05-11 1312
这个老哥讲的很好https://blog.csdn.net/weixin_44791964/article/details/102979289 目录 mobileNet.py 就是左边编码的结构 segnet.py 就是解码和整个模型 train.py 训练过程 predict.py 预测过程 实验结果 segnet模型我的理解就是先进行特征编码，再解码，得到每个像素点的类别。编码的时候可以采用各种网络提取特征， 然后特征再输入解码器中进行解码（就是不断地上采样）。 本文采用的Mob..
Multiclass-Semantic-Segmentation-CamVid:Tensorflow 2在剑桥驾驶标签视频数据库（CamVid）数据集上使用UNet，SegNet和FCN32架构实现了用于多类图像语义分割的完整管道的实现
05-08
在剑桥驾驶的标记视频数据库（CamVid）上使用Tensorflow 2 GPU进行多类语义分割 该存储库包含用于CamVid数据集的多类语义分割的多个深度学习模型（U-Net，FCN32和SegNet）的实现。 实施tensorflow 2.0 Aplha GPU软件包 包含用于图像分类/检测/分段的通用计算机视觉项目目录创建和图像处理管道
深度学习语义分割(二)SegNet论文解读
蒋成的博客
06-23 5376
    SegNet是是第一次在语义分割中应用编码器-解码器(encoder-decoder)的结构。其中，编码器使用池化层逐渐缩减输入数据的空间维度，而解码器通过反卷积层等网络层逐步恢复目标的细节和相应的空间维度。从编码器到解码器之间，通常存在直接的信息连接，来帮助解码器更好地恢复目标细节。    不同于FCN的上采样方法,SegNet利用了unpooling在下采样的时候记住最大值的位置,在上...
用python-tf2.0进行深度学习
02-21
<케라스창시자에게>딥러닝 습니있습니。 。이내용과다。 이소스소포함합니다。 tensorflow 1.14 CPU版本3.6，版本2.2.2，版本2.2.4。목차 2장： 3장： 4장： 5장： 6장： 8장：
动手学深度学习学习笔记tf2.0版（3.8: 多层感知机）
01-06
import tensorflow as tf from matplotlib import pyplot as plt import numpy as np import random def use_svg_display(): # 用矢量图显示 %config InlineBackend.figure_format = 'svg' def set_figsize...
深度学习（基于Tensorflow2.0）学习笔记——Day2
01-20
引言 昨天已经把关于深度学习的一些...所以在这里我建议大家可以用conda安装，配置一个TF2.0虚拟环境。原因是这种方法对极为简便，对新手比较友好。废话少说，接下来正式开始搭建环境。 环境准备 我目前的配置主要是在W
TF2.0:Tensorflow 2.0笔记本
04-14
TF2.0 Tensorflow 2.0笔记本
MetaLearning-TF2.0：带有Tensorflow 2.0的元学习框架
02-14
元学习框架TF 2.0 这是一个框架，可以轻松地将元学习技术应用于不同的数据集。 该存储库涵盖了包括UMTRA在内的几种元学习算法。 有关UMTRA发布期间的存储库，请转到 。 只需单击一下即可读取数据集并生成训练/...
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
DeepRL:深度强化学习框架
05-02
DeepRL 深度强化学习的框架。 特征： 算法分为模块 易于异步运行的算法 易于添加新算法 依存关系 python3.6 麻木 火炬 健身房 安装 git clone https://github.com/ppaanngggg/DeepRL pip install -e . 模块： 1.代理 DoubleDQNAgent：具有双Q学习功能的基础深度Q学习 通过深度强化学习进行人为控制 双重Q学习的深度强化学习 DDPGAgent：通过深度确定性策略梯度继续控制 具有深度强化学习的连续控制 PPOAgent：通过近端策略优化继续控制 近端策略优化算法 2.重播 重播：基本重播，从池中随机选择并删除最旧的一个 通过深度强化学习进行人为控制 ReservoirReplay：从池中随机选择一个，然后随机删除一个，用于NFSPAgent的策略网络 在不完全信息游戏中通过自我玩法进行深度强化
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
TF2实现轻量级语义分割网络Mobile-SegNet
yubaby
02-16 146
""" 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...
TensorFlow2深度学习实战（十二）：语义分割算法 SegNet 论文解读
不积跬步，无以至千里！
07-03 5774
语义分割网络 SegNet 论文解读
TensorFlow2深度学习实战（十三）： 语义分割算法 SegNet 实战
不积跬步，无以至千里！
07-14 1万+
SeNet语义分割网络，对自制数据集下的场景进行目标分割！
『带你学AI』极简安装TensorFlow2.x的CPU与GPU版本教程
热门推荐
简明AI工作室
10-01 3万+
0 前言 TensorFlow 2.0，今天凌晨，正式放出了2.0版本。 不少网友表示，TensorFlow 2.0比PyTorch更好用，已经准备全面转向这个新升级的深度学习框架了。 本篇文章就带领大家用最简单地方式安装TF2.0正式版本（CPU与GPU），由我来踩坑，方便大家体验正式版本的TF2.0。 废话不多说现在正式开始教程。 1 环境准备 我目前是在Window...
机器学习笔记 - TensorFlow2.0全卷积网络FCN语义分割
学以致用 知行合一
06-19 792
使用ps创建了一个7 * 4的小图片，保存为png格式 PNG文件格式详解 https://www.cnblogs.com/senior-engineer/p/9548347.html 行程编码压缩算法 https://blog.csdn.net/wutong_xingkong/article/details/50374684
机器学习应用——强化学习&课程总结 实例 “自主学习Flappy Bird游戏”（MDP&蒙特卡洛强化学习&Q-learning&DRL&DQN）
qq_51308373的博客
01-24 9375
前言 本篇将简要介绍强化学习的“自主学习Flappy Bird”实例 读完本篇，你将了解： 一、强化学习 1.相关概念 2.马尔可夫决策过程（MDP）（model base 模型） 3.蒙特卡洛强化学习 4.Q-learning算法 5.深度强化学习（DRL） 6.Deep Q Network(DQN) 二、自主学习Flappy Bird 1.程序基本框架（观察期、探索期、训练期） 2.动作选择模块 3.卷积神经网络-CNN 4.Tensorflow&openCV库 三、关于机器学习专栏的一点总结
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。 在这本书中，我们可以学习到如何使用TF 2.0来构建卷积神经网络（CNN）、循环神经网络（RNN）和转移学习模型等。通过书中的实例代码，我们可以学习到如何使用TF 2.0来训练这些模型，并使用它们来解决实际的问题，比如图像分类、文本生成和语音识别等。 与此同时，本书还介绍了如何使用TF 2.0的低级API和高级API来构建深度学习模型。低级API提供了更加灵活和底层的操作，可以满足一些特定需求；而高级API则提供了更加简单和易于使用的接口，可以加速开发过程。通过书中的实例代码，读者可以学习到如何使用这些API来构建不同类型的深度学习模型。 此外，书中还介绍了TF 2.0版本的Eager Execution（即动态图计算），这是TF 2.0的一个重要特性，使得我们可以实时调试和追踪代码中的计算过程。通过学习如何使用Eager Execution，读者可以更好地理解和调试深度学习模型，并且能够更快地迭代和调整模型的结构和参数。 总之，TF 2.0深度学习实战4是一本介绍如何使用TensorFlow 2.0版本来实践深度学习的实用书籍。通过学习本书，读者可以了解到TF 2.0的优势和特性，并能够熟练地使用TF 2.0构建、训练和部署深度学习模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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