tensorflow
3 人感兴趣 · 80 次引用
- 最新
- 推荐
如何将训练好的 Python 模型给 JavaScript 使用？
从前面的Tensorflow环境搭建到目标检测模型迁移学习，已经完成了一个简答的扑克牌检测器，不管是从图片还是视频都能从画面中识别出有扑克的目标，并标识出扑克点数。但是，我想在想让他放在浏览器上可能实际使用，那么要如何让Tensorflow模型转换成web格式
关于 Tensorflow！目标检测预训练模型的迁移学习
关于TF的目标检测迁移学习，我一开始是想通过Tensorflow提供的API，用JS来实现的。但是官方不但没有案例，网上也没有踩坑的博客，加之我又着急要弄水印检测。
如何在 Windows10 下运行 Tensorflow 的目标检测？
看过很多博主通过 Object Detection 实现了一些皮卡丘捕捉，二维码检测等诸多特定项的目标检测。而我跟着他们的案例来运行的时候，不是 Tensorflow 版本冲突，就是缺少什么包，还有是运行官方 object_detection_tutorial 不展示图片等等问题。
用 Tensorflow.js 做了一个动漫分类的功能（二）
前面已经通过采集拿到了图片，并且也手动对图片做了标注。接下来就要通过 Tensorflow.js 基于 mobileNet 训练模型，最后就可以实现在采集中对图片进行自动分类了。
用 Tensorflow.js 做了一个动漫分类的功能（一）
浏览某乎网站时发现了一个分享各种图片的博主，于是我顺手就保存了一些。但是一张一张的保存实在太麻烦了，于是我就想要某虫的手段来处理。这样保存的确是很快，但是他不识图片内容，最近又看了 mobileNet 的预训练模型，想着能让程序自己对图片分类，
Tensorflow.js 对视频 / 直播人脸检测和特征点收集
这里要介绍的是 Tensorflow.js 官方提供的两个人脸检测模型，分别是 face-detection 和 face-landmarks-detection。他们不但可以对视频中的人间进行精确定位，而且还能对当前设备 (手机 / 电脑摄像头) 采集的直播流实时监测人脸。所以这些的应用场景就
Tensorflow.js 视频图片多目标检测
Tensorflow.js 官方提供了很多常用模型库，涵盖了平时开发中大部分场景的模型。例如，前面提到的图片识别，除此之外还有人体姿态识别，目标物体识别，语音文字等识别。其中一些可能是 Python 转换而来，但都是开发人员用海量数据或资源训练的，个人觉得
Tensorflow.js 多分类，机器学习区分企鹅种类
在规则编码中，我们常常会遇到需要通过多种区间判断某种物品分类。比如二手物品的定价，尽管不是新品没有 SKU 但是基本的参数是少不了。想通过成色来区分某种物品，其实主要是确定一些参数。然后根据参数数据以及参数对应成色的所有数据集归档用机器学
我通过 tensorflow 预测了博客的粉丝数
由于最近接触了 tensorflow.js，出于试一下的心态，想通过线性回归预测一下博客的粉丝走向和数量，结果翻车了。虽然场景用错地方，但是整个实战方法用在身高体重等方面的预测还是有可行性，所以就记录下来了。
使用 CnosDB 与 TensorFlow 进行时间序列预测
CnosDB是一款基于分布式架构的高性能时序数据库。TensorFlow则是目前在预测领域中非常受欢迎的深度学习框架之一。在这篇文章中，您将学习如何利用时间序列数据进行预测，特别是结合CnosDB和TensorFlow来进行预测。
PyTorch 深度学习实战 |用 TensorFlow 训练神经网络
为了更好地理解神经网络如何解决现实世界中的问题，同时也为了熟悉TensorFlow的API，本篇我们将会做一个有关如何训练神经网络的练习，并以此为例，训练一个类似的神经网络。
从源代码构建 TensorFlow 流程记录
通常情况下，直接安装构建好的.whl即可。不过，当需要一些特殊配置（或者闲来无事想体会 TensorFlow 构建过程到底有多麻烦）的时候，则需要选择从源代码构建TensorFlow。万幸文档混乱的 TensorFlow 还是好心地为我们提供了一整页的文档供参考。
Dive into TensorFlow 系列（3）- 揭开 Tensor 的神秘面纱
TensorFlow计算图是由op和tensor组成，那么tensor一般都用来代表什么呢？显然，像模型的输入数据、网络权重、输入数据经op处理后的输出结果都需要用张量或特殊张量进行表达。既然tensor在TensorFlow体系架构中如此重要，因此本文将带领大家由浅入深地学习t
Dive into TensorFlow 系列（2）- 解析 TF 核心抽象 op 算子
TF计算图从逻辑层来讲，由op与tensor构成。两者配合以数据流图的形式来表达计算图。那么op对应的物理层实现是什么？TF中有哪些op，以及各自的适用场景是什么？op到底是如何运行的？接下来让我们一起探索和回答这些问题。
Dive into TensorFlow 系列（1）- 静态图运行原理
接触过TensorFlow v1的朋友都知道，训练一个TF模型有三个步骤：定义输入和模型结构，创建tf.Session实例sess，执行sess.run()启动训练。不管是因为历史遗留代码或是团队保守的建模规范，其实很多算法团队仍在大量使用TF v1进行日常建模。我相信很多算法工程
图像边缘检测的新方向——量子算法
在科学技术快速发展的今日，图像处理技术在科研、军事、工业生产、卫生、教育等与人类生活息息相关的领域得到广泛的应用。人脸识别、自动驾驶、各种无人服务，这些新兴技术都体现了机器视觉系统正确认知客观世界的重要性。
使用 TensorFlow 和 Express.js 实现 AI 图像识别
人工智能是一个相当广泛的领域，以其惊人的能力和复杂的性质吸引着人们的兴趣。自 1940 年代首次提出使用电子设备重建大脑的可能性以来，这项技术已经取得了长足的进步。尽管人工智能和机器学习在其生命周期的大部分时间里都是相当独特的领域，但事情开始发生
Serverless 架构下 Tensorflow 与目标检测系统
ImageAI是一个Python库，旨在使开发人员能够使用简单的几行代码构建具有包含深度学习和计算机视觉功能的应用程序和系统。ImageAI本着简洁的原则，支持最先进的机器学习算法，用于图像预测，自定义图像预测，物体检测，视频检测，视频对象跟踪和图像预测训练。
Google I/O 2021 移动和 Web 应用上的设备端机器学习
本文是Google I/O 2021，关于《移动和 Web应用上的设备端机器学习》相关主题的问答视频文字解读，主要是进展性和概念性问题
Google I/O 2021 What's new in Android Machine Learning
Google I/O 2021 What's new in Android Machine Learning视频解读
从环境搭建到回归神经网络案例，带你掌握 Keras
摘要：Keras作为神经网络的高级包，能够快速搭建神经网络，它的兼容性非常广，兼容了TensorFlow和Theano。
Tensorflow Lite 移动平台编译|Bazel 实践
本文主要介绍了Tensorflow在Android和iOS平台的构建，编译的目标文件已经是各自平台可直接使用的了。针对底层库，比如Android，我们可能只需要直接使用动态库，则直接编译出Android对应的动态库即可。编译出来的库如何使用，我们后面有时间逐步介绍。
基于 Tensorflow + Opencv 实现 CNN 自定义图像分类
摘要：本篇文章主要通过Tensorflow+Opencv实现CNN自定义图像分类案例，它能解决我们现实论文或实践中的图像分类问题，并与机器学习的图像分类算法进行对比实验。
CANN AICPU 算子耗时分析及优化探索
摘要： 本文以GreaterEqual作为测试算子，该算子计算逻辑较为简单(output = input1 >=input2)，旨在尽可能降低计算耗时，使得算子耗时尽可能以数据操作和算子调度作为主体。
Tensorflow 保存神经网络参数有妙招：Saver 和 Restore
摘要：这篇文章将讲解TensorFlow如何保存变量和神经网络参数，通过Saver保存神经网络，再通过Restore调用训练好的神经网络。
什么？语音合成开源代码不会跑，Follow me！
摘要：本文描述的深度神经网络模型结构：NaturalTTS synthesis by conditioning Wavenet on MEL spectogram predictions。
