FilesExpand file tree

master

/

code

/

Copy path

Directory actions

More options

More options

Directory actions

More options

More options

Latest commit

 

History

History

History

master

/

code

/

Copy path

Top

Folders and files

Name		Name	Last commit message	Last commit date
parent directory ..
10-1 deblurmodel.py		10-1 deblurmodel.py
10-10 prepro.py		10-10 prepro.py
10-11 train_a_sequence.py		10-11 train_a_sequence.py
10-12 train_model.py		10-12 train_model.py
10-2 训练deblur.py		10-2 训练deblur.py
10-3 使用deblur模型.py		10-3 使用deblur模型.py
10-4 mydataset.py		10-4 mydataset.py
10-5 AttGANmodels.py		10-5 AttGANmodels.py
10-6 trainattgan.py		10-6 trainattgan.py
10-7 testattgan.py		10-7 testattgan.py
10-8 RNNWGAN模型.py		10-8 RNNWGAN模型.py
10-9 mydataset.py		10-9 mydataset.py
11-1 用梯度下降方法攻击PNASNet模型.py		11-1 用梯度下降方法攻击PNASNet模型.py
11-2 用数据增强抗攻击.py		11-2 用数据增强抗攻击.py
11-3 制造更有鲁棒性的对抗样本.py		11-3 制造更有鲁棒性的对抗样本.py
11-4 mnist_blackbox.py		11-4 mnist_blackbox.py
12-1 在线性回归模型中添加指定节点到检查点文件.py		12-1 在线性回归模型中添加指定节点到检查点文件.py
12-2 使用源码分离方式二次训练.py		12-2 使用源码分离方式二次训练.py
12-3 使用源码分离方式二次训练-扩展.py		12-3 使用源码分离方式二次训练-扩展.py
12-4 将线性回归模型导出成为冻结图.py		12-4 将线性回归模型导出成为冻结图.py
12-5 导入冻结图并使用模型进行预测.py		12-5 导入冻结图并使用模型进行预测.py
12-6 用saved_model模块导出与导入模型文件.py		12-6 用saved_model模块导出与导入模型文件.py
12-7 使用saved_model生成与载入带签名的模型.py		12-7 使用saved_model生成与载入带签名的模型.py
12-8 TF-Hub模型例子.py		12-8 TF-Hub模型例子.py
12-9 将线性回归模型导出成为lite模型.py		12-9 将线性回归模型导出成为lite模型.py
13-1 支持远程调用的模型.py		13-1 支持远程调用的模型.py
13-2 grpc客户端.py		13-2 grpc客户端.py
13-3 CameraExampleAppDelegate.m		13-3 CameraExampleAppDelegate.m
13-4 Object_detection_usbcam.py		13-4 Object_detection_usbcam.py
3-1 使用AI模型来识别图像.py		3-1 使用AI模型来识别图像.py
3-2 使用nasnet-mobile模型来识别图像.py		3-2 使用nasnet-mobile模型来识别图像.py
4-1 将模拟数据制作成内存对象数据集.py		4-1 将模拟数据制作成内存对象数据集.py
4-10 将图片文件制作成Dataset数据集.py		4-10 将图片文件制作成Dataset数据集.py
4-11 将TFRecord文件制作成Dataset数据集.py		4-11 将TFRecord文件制作成Dataset数据集.py
4-12 在动态图里读取Dataset数据集.py		4-12 在动态图里读取Dataset数据集.py
4-13 在动态图里读取Dataset数据集_tf2版.py		4-13 在动态图里读取Dataset数据集_tf2版.py
4-14 在不同场景中应用数据集.py		4-14 在不同场景中应用数据集.py
4-2 带迭代的模拟数据集.py		4-2 带迭代的模拟数据集.py
4-3 将图片制作成内存对象数据集.py		4-3 将图片制作成内存对象数据集.py
4-4 将excel文件制作成内存对象数据集.py		4-4 将excel文件制作成内存对象数据集.py
4-5 将图片文件制作成tfRecord数据集.py		4-5 将图片文件制作成tfRecord数据集.py
4-6 interleave例子.py		4-6 interleave例子.py
4-7 Dataset对象的操作方法.py		4-7 Dataset对象的操作方法.py
4-8 将内存数据转成DataSet数据集.py		4-8 将内存数据转成DataSet数据集.py
4-9 from_tensor_slices的注意事项.py		4-9 from_tensor_slices的注意事项.py
5-1 mydataset.py		5-1 mydataset.py
5-2 model.py		5-2 model.py
5-3 train.py		5-3 train.py
5-4 test.py		5-4 test.py
5-5 测试TF-Hub库中的mobilenet_v2模型.py		5-5 测试TF-Hub库中的mobilenet_v2模型.py
5-6 使用模型评估人物的年龄.py		5-6 使用模型评估人物的年龄.py
6-1 使用静态图训练一个具有保存检查点功能的回归模型.py		6-1 使用静态图训练一个具有保存检查点功能的回归模型.py
6-10 tf_layers模型.py		6-10 tf_layers模型.py
6-11 keras回归模型.py		6-11 keras回归模型.py
6-12 使用tf.keras预训练模型.py		6-12 使用tf.keras预训练模型.py
6-13 在静态图中使用tf.keras.py		6-13 在静态图中使用tf.keras.py
6-14 tfjs回归例子.html		6-14 tfjs回归例子.html
6-15 使用估算器框架进行分布式训练.py		6-15 使用估算器框架进行分布式训练.py
6-16 使用估算器框架进行分布式训练ps.py		6-16 使用估算器框架进行分布式训练ps.py
6-17 使用估算器框架进行分布式训练chief.py		6-17 使用估算器框架进行分布式训练chief.py
6-18 使用估算器框架进行分布式训练work.py		6-18 使用估算器框架进行分布式训练work.py
6-19 用ResNet识别桔子和苹果.py		6-19 用ResNet识别桔子和苹果.py
6-2 使用动态图训练一个具有保存检查点功能的回归模型.py		6-2 使用动态图训练一个具有保存检查点功能的回归模型.py
6-20 在T2T框架中训练mnist.py		6-20 在T2T框架中训练mnist.py
6-21 查看T2T模型及超参.py		6-21 查看T2T模型及超参.py
6-22__tf2code.py		6-22__tf2code.py
6-3 动态图另一种梯度方法.py		6-3 动态图另一种梯度方法.py
6-4 从动态图种获取变量.py		6-4 从动态图种获取变量.py
6-5 静态图中使用动态图.py		6-5 静态图中使用动态图.py
6-6 使用估算器框架训练一个回归模型.py		6-6 使用估算器框架训练一个回归模型.py
6-7 为估算器添加钩子.py		6-7 为估算器添加钩子.py
6-8 自定义hook.py		6-8 自定义hook.py
6-9 将估算器模型转为静态图模型.py		6-9 将估算器模型转为静态图模型.py
7-1 用wide and deep模型预测人口收入.py		7-1 用wide and deep模型预测人口收入.py
7-10 电影推荐系统.py		7-10 电影推荐系统.py
7-11 用lattice预测收入.py		7-11 用lattice预测收入.py
7-12 lattice结合dnn.py		7-12 lattice结合dnn.py
7-13 preprocess.py		7-13 preprocess.py
7-14 MKR.py		7-14 MKR.py
7-15 train.py		7-15 train.py
7-16 data_loader.py		7-16 data_loader.py
7-2 用boosted_trees模型预测人口收入.py		7-2 用boosted_trees模型预测人口收入.py
7-3 使用feature_column处理连续值特征列.py		7-3 使用feature_column处理连续值特征列.py
7-4 将连续值特征转成离散值特征.py		7-4 将连续值特征转成离散值特征.py
7-5 将离散文本特征列转化为one-hot编码与词向量.py		7-5 将离散文本特征列转化为one-hot编码与词向量.py
7-6 根据特征列生成交叉列.py		7-6 根据特征列生成交叉列.py
7-7 序列特征工程.py		7-7 序列特征工程.py
7-8 聚类COCO数据集中的标注框.py		7-8 聚类COCO数据集中的标注框.py
7-9 mnistkmeans.py		7-9 mnistkmeans.py
8-1 读取fasion-mnist 数据集.py		8-1 读取fasion-mnist 数据集.py
8-10 keras注意力机制模型.py		8-10 keras注意力机制模型.py
8-11 yolo_v3.py		8-11 yolo_v3.py
8-12 使用YOLOV3模型进行实物检测.py		8-12 使用YOLOV3模型进行实物检测.py
8-13 annotation.py		8-13 annotation.py
8-14 generator.py		8-14 generator.py
8-15 box.py		8-15 box.py
8-16 darknet53.py		8-16 darknet53.py
8-17 yolohead.py		8-17 yolohead.py
8-18 yolov3.py		8-18 yolov3.py
8-19 weights.py		8-19 weights.py
View all files