torch tensorflow API收集

最新推荐文章于 2024-11-17 12:01:11 发布
最新推荐文章于 2024-11-17 12:01:11 发布
阅读量109 收藏
点赞数
分类专栏： 深度学习 文章标签： tensorflow 深度学习 pytorch
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/miss_the_boat/article/details/124525532
版权
Y前进四
关注
专栏目录
TF学习系列1：Tensorflow 发展史
不积跬步，无以至千里
03-16 2632
参考： https://www.zhihu.com/question/446540609/answer/1760866290 引言: 深度学习工具 2021年了，深度学习框架已经有很多了，甚至有很多微信文章教你搭建自己的深度学习框架。我们先来了解下当下热门的一些框架：谷歌的TensorFlow、Facebook的Pytorch。 1. Tensorflow TensorFlow框架的前身是Google的DistBelief V2，是谷歌大脑项目的深bai度网络工具库，一些人认为TensorFlo
大语言模型应用指南：Assistants API整体执行过程
AI天才研究院
07-30 342
近年来，大语言模型（LLM）在人工智能领域取得了突破性进展，展现出强大的文本理解和生成能力。为更好地利用LLM的能力构建实际应用，各大科技公司纷纷推出了相应的API接口，其中Google的Assistants API凭借其强大的功能和便捷的操作，成为了开发者们的热门选择。本篇文章将深入探讨Assistants API的整体执行过程，帮助开发者了解其工作原理，并提供实际应用开发的指导。Assistants API 的核心算法基于Transformer架构，该架构在自然语言处理领域取得了巨大成功。
Pytorch和tensorflow api映射
leo0308的博客
05-25 744
0 前言 当前pytroch是最流行的深度学习框架， 最主要的优点就是灵活易用。 tensorflow在很多生产部署环境中应用也还比较广泛， 虽然不好用， 但是效率上还是有点优势的。很多最新的研究工作是基于torch做的， 实际应用时可能需要转换为tensorflow。 因此， 这里列出一些常用的api映射关系，方便查阅和避坑。 需要注意的是， torch的api比较简单， 但tensorflow的api却非常的混乱， 有底层api， 高级api， 还有各种第3方库的api， 功能上很多是重复的。并且tf
pytorch和tensorflow2中的模块函数名称记录（混个脸熟）
weixin_38392612的博客
02-28 738
文章目录一、背景二、软件安装和使用查看2.1 pytorch所有功能函数2.2 tensorflow中keras中所有功能函数2.3 tensorflow中除keras\raw_ops模块的众多函数2.4 compat模块中众多函数 一、背景 听说AI很多开源框架，有个师兄说pytorch和tensorflow是必会的。所以今天一起了解下。两脚走路，两手都要抓，两手都要硬。 二、软件安装和使用查看 安装pytorch，看官网； 安装tensorflow。 (torch_tensorflow_venv) r
pytorch、tensorflow对比学习—张量
qq_58832911的博客
07-23 1962
在张量操作功能模块上，对比学习pytorch和tensorflow两者的API接口，和语法。一篇文档同时拥有pytroch、tensorflow，美滋滋。
PyTorch vs TensorFlow，哪个更适合你
chuange6363的博客
09-10 5249
摘要：本文将探讨PyTorch和TensorFlow这两种流行深度学习框架之间的关键相似点和不同点。为什么选择这两个框架，而不是其他的呢？ 本文将探讨PyTorch和TensorFlow这两种流行深度学习框架之间的关键相似点和不同点。为什么选择这两...
数据分析-深度学习 Tensorflow Day1
weixin_43902376的博客
02-02 397
TensorFlow 是一个采用数据流图(data flow graphs)，用于数值计算的开源软件库。TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。其命名来源于本身的原理，Tensor(张量)意味着N维数组，Flow(流)意味着基于数据流图的计算。高度的灵活性：只要能够将计算表示成为一个数据流图，那么就可以使用TensorFlow。
tensorflow学习笔记： 1.X 和2.X版本的差异
AnneQiQi的博客
11-15 7844
近日电脑环境出了点问题，整个重装后tensorflow更新到2.0版本。结果运行以往的程序是抛出了很多bug，走了很多路也踩过很多坑。且行且调试吧。。。 TensorFlow具有多种语言可用的API，可用于构建和执行TensorFlow图。Python API目前是最完整和最容易使用的，但是其他语言API可能更易于集成到项目中，并且可能在图形执行方面提供一些性能优势。 ...
学习笔记TF048:TensorFlow 系统架构、设计理念、编程模型、API、作用域、批标准化、神经元函数优化
利炳根
08-20 654
系统架构。 自底向上，设备层、网络层、数据操作层、图计算层、API层、应用层。核心层，设备层、网络层、数据操作层、图计算层。最下层是网络通信层和设备管理层。 网络通信层包括gRPC(google Remote Procedure Call Protocol)和远程直接数据存取(Remote Direct Memory Access,RDMA)，分布式计算需要。设备管理层包手包括TensorFlo
精品--各种深度学习（DL）框架分布式训练，包括：Tensorflow、Tensorflow2、Pytorch、.zip
02-05
在TensorFlow2.x中，分布式训练变得更加简单，`tf.distribute.Strategy`成为核心，可以直接在Keras API中使用，无需显式设置服务器和集群。 接下来是PyTorch，这是一个基于 Torch 的灵活且直观的深度学习库，因其...
tensorflow框架使用和线性回归的实现
sugar
09-08 533
深度学习 Tensorflow 1.0框架 Tensorflow基础 TensorFlow进阶 图 会话 张量 变量 可视化 实现线性回归 模型加载和保存 自定义命令行参数
第T7周：Tensorflow实现咖啡豆识别
差点就差一点点的专栏
11-15 515
VGG-16的网络 有13个卷积层（被5个max-pooling层分割）和3个全连接层（FC），所有卷积层过滤器的大小都是3X3，步长为1，进行padding。5个max-pooling层分别在第2、4、7、10，13卷积层后面。每次进行池化（max-pooling)后，特征图的长宽都缩小一半，但是channel都翻倍了，一直到512。最后三个全连接层大小分别是4096，4096， 1000,我们使用的是咖啡豆识别，根据数据集的类别数量修改最后的分类数量（即从1000改成len(class_names))
2025年入门深度学习或人工智能，该学PyTorch还是TensorFlow？
分享有趣的、贴近生活的CS知识
11-08 1915
随着2025应用人工智能和深度学习技术的举世泛气，还在迷茫于该选择哪个深度学习框架吗？PyTorch和TensorFlow是并立于深度学习世界两座巨塔，但是越来越多人发现，在2025年，PyTorch似乎比TensorFlow更为流行和被接受。下面我来分析一下这两个深度学习框架的发展历史，应用差异和现状，以及这些应用应该如何影响你的选择。
深度学习中的Pixel Shuffle和Pixel Unshuffle：图像超分辨率的秘密武器
介绍AI领域相关知识
11-15 1050
Pixel Shuffle是一种从特征图中提取空间信息的方法，主要应用于图像超分辨率等任务。超分辨率（Super-Resolution，SR）指的是通过机器学习算法生成比输入分辨率更好的图像。Pixel Shuffle操作可以帮助模型通过减少通道数、扩大空间分辨率来重建出更精细的图像。这不仅有效提升了模型的效果，还在一定程度上降低了计算成本。
基于OpenFOAM和深度学习驱动的流体力学计算与应用
2301_80236428的博客
11-14 802
从物理模型融合到复杂流动模拟，从数据驱动研究到流场智能分析，深度学习正以前所未有的力量重塑流体力学领域。伴随深度学习在流体力学研究中应用的普及，相关的开源软件和工具为科研人员提供了便捷的平台，简化了深度学习模型的实现与应用过程，加速了研究成果的转化。深度学习架构能够有效从流体数据中抽取关键特征，应用于流场预测、流动优化、流场可视化等多个领域，极大地提升了流体问题的分析效率和精度。构建物理增强的深度学习模型，将流体力学的控制方程、边界条件等物理规则内嵌于模型中，以提高模型的准确性和物理一致性。
2024 - 超火的多模态深度学习公共数据纯生信5+思路分享
最新发布
itwangyang520的博客
11-17 456
研究通过决策曲线（DCA）分析也观察到所有队列中，与基于病理的生存模型、基因特征和单独的病理特征相比，DeepClinMed-PGM模型性能始终更优越（图2G-I），这一结果强调了DeepClinMed-PGM模型在早期DFS预测中的重要临床价值。**首先为了评估临床特征对乳腺癌患者DFS的预测作用，研究在训练和试验队列进行了单因素回归分析，结果发现年龄、分期、T分期和N分期等临床特征不能独立预测乳腺癌患者的DFS，而多模态风险评分在训练和试验队列中都是更有效的预测因子（图5A-B ）。
深度学习：利用随机数据更快地测试一个新的模型在自己数据格式很复杂的时候
weixin_44162814的博客
11-14 349
比如下面一个，我自己的数据很复杂，这里在代码最后用，两分钟就完成了代码的测试成功。
基于YOLOv8深度学习的智慧农业野生蓝莓成熟度小目标检测系统研究与实现(PyQt5界面+数据集+训练代码)
ZSW1218的博客
11-17 565
随着智慧农业技术的不断进步，传统农业逐渐向自动化、智能化转型，特别是在果实成熟度检测领域，精确、及时的检测手段已成为提升农业生产效率和优化资源配置的重要工具。
卷积神经网络CNN
m0_53374676的博客
11-13 505
卷积层通过应用一组可学习的滤波器（或称核）到输入图像的不同位置，产生一个特征映射（Feature Map）。CNN是一种前馈神经网络，它的人工神经元可以对输入的图像数据进行响应，并且可以检测图像中的局部特征，如边缘、纹理等。
深度学习笔记13-卷积神经网络1
weixin_51828505的博客
11-12 1183
卷积神经网络（CNN），它是由多个卷积层、池化层和全连接层构成的前馈神经网络。在卷积神经网络中，包含了可训练的卷积核，这使得卷积神经网络具有强大的表征学习能力。卷积神经网络通过卷积层和池化层进行特征提取，通过全连接层和输出层进行分类。因此卷积神经网络是一种端到端的机器学习模型。
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