tensorflow2.0官方教程翻译
马上学人工智能
这个作者很懒,什么都没留下…
展开
-
初学者入门 TensorFlow 2.0(tensorflow2官方教程翻译)
最新版本:http://www.mashangxue123.com/tensorflow/tf2-tutorials-quickstart-beginner.html英文版本:https://tensorflow.google.cn/alpha/tutorials/quickstart/beginner翻译建议PR:https://github.com/mashangxue/tensorfl...翻译 2019-05-24 22:01:16 · 3029 阅读 · 0 评论 -
专家入门TensorFlow 2.0使用流程:数据处理、自定义模型、损失、指标、梯度下降 (tensorflow2官方教程翻译)
最新版本:http://www.mashangxue123.com/tensorflow/tf2-tutorials-quickstart-advanced.html英文版本:https://tensorflow.google.cn/alpha/tutorials/quickstart/advanced翻译建议PR:https://github.com/mashangxue/tensorfl...翻译 2019-05-24 22:03:56 · 872 阅读 · 0 评论 -
高效的TensorFlow 2.0 (tensorflow2官方教程翻译)
高效的TensorFlow 2.0 (tensorflow2官方教程翻译)最新版本:http://www.mashangxue123.com/tensorflow/tf2-guide-effective_tf2.html英文版本:https://tensorflow.google.cn/alpha/guide/effective_tf2翻译建议PR:https://github.com/...翻译 2019-05-22 17:11:39 · 4309 阅读 · 3 评论 -
回归项目实战:预测燃油效率 (tensorflow2.0官方教程翻译)
最全TensorFlow2.0学习路线 www.mashangxue123.com在回归问题中,我们的目标是预测连续值的输出,如价格或概率。将此与分类问题进行对比,分类的目标是从类列表中选择一个类(例如,图片包含苹果或橙色,识别图片中的哪个水果)。本章节采用了经典的Auto MPG 数据集,并建立了一个模型来预测20世纪70年代末和80年代初汽车的燃油效率。为此,我们将为该模型提供该时段...翻译 2019-06-05 22:57:48 · 1515 阅读 · 0 评论 -
训练您的第一个神经网络:基本分类Fashion MNIST(tensorflow2.0官方教程翻译)
最全tensorflow2.0学习路线 https://www.mashangxue123.com最新版本:https://www.mashangxue123.com/tensorflow/tf2-tutorials-keras-basic_classification.html英文版本:https://tensorflow.google.cn/alpha/tutorials/keras/b...翻译 2019-06-04 20:18:30 · 975 阅读 · 2 评论 -
使用Keras和TensorFlow Hub对电影评论进行文本分类 (tensorflow2.0官方教程翻译)
最全tensorflow2.0学习路线 https://www.mashangxue123.com最新版本:https://www.mashangxue123.com/tensorflow/tf2-tutorials-keras-basic_text_classification_with_tfhub.html此教程本会将文本形式的影评分为“正面”或“负面”影评。这是一个二元分类(又称为...翻译 2019-06-04 20:23:26 · 1986 阅读 · 5 评论 -
结构化数据分类实战:心脏病预测(tensorflow2.0官方教程翻译)
最全tensorflow2.0学习路线 https://www.mashangxue123.com最新版本:https://www.mashangxue123.com/tensorflow/tf2-tutorials-keras-feature_columns.html本教程演示了如何对结构化数据进行分类(例如CSV格式的表格数据)。我们将使用Keras定义模型,并使用特征列作为桥梁,...翻译 2019-06-04 20:32:00 · 3903 阅读 · 1 评论