搜索资源列表
tenserflow实现线性回归、逻辑回归、最邻近回归
- python语言，google tenserflow深度神经网络实现线性回归、逻辑回归、最邻近回归。
er
- 对亚马逊和谷歌的数据进行匹配进行解析，用余弦相似度并设置阈值，求出两条数据是否匹配(Data matching between Amazon and Google is analyzed.)
TensorFlow Machine Learning Cookbook
- 机器学习入门平台，谷歌公司的机器学习平台说明，对机器学习初学者比较实用(Machine learning platform, Google Corporation's machine learning platform descr iption, for machine learning beginners more practical.)
Deep Learning with Python
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Fran?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(Deep Learning with Python intr
Python深度学习.pdf+代码
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Franc?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(This book is written by Franc
googlenet运行实例
- 利用googlenet实现图像分类，是googlenet的一个应用实例，只要在网上下载googlenet模型，将其放到对应文件夹中即可运行。绝对保证可以运行(Using Google eNet to classify images is an application example of Google enet. Just download the Google eNet model and put it in the corresponding folder to run. Absolutel
googleearth
- 在matlab中把经纬度数据转化为googleearth可识别的kml文件。可在googleearth中显示航次站点数据等，另增了一个可以画三角网格的函数ge_trisurf.m(In MATLAB, the longitude and latitude data are transformed into googleearth recognizable KML files. The data of voyage sites can be displayed in googleearth.Add
Functions
- vfh算法 可以直接使用 亲测没有bug(VFHmethod just google for more information)
跨模态文字检索图片102花卉数据
- 跨模态检索 tensorflow实现，使用googlenet处理图片，char-cnn处理文字，使用triple-loss训练(Tensorflow is implemented by cross-modal retrieval, using Google eNet to process pictures, char-cnn to process text, and triple-loss training)
Tensorflow+实战Google深度学习框架
- 神经网络相关书籍，可以把其作为初学神经网络人士的课本，上面有一些关于神经网络很基础的知识(Neural network related books, which can be used as textbooks for beginner neural network people. There are some basic knowledge about neural networks.)
Xception
- 卷积神经网络经典结构Xception用Keras的实现。 Xception 是 Google 继 Inception 后提出的对 Inception-v3 的另一种改进。 作者认为，通道之间的相关性 与 空间相关性 最好要分开处理。采用 Separable Convolution（极致的 Inception 模块）来替换原来 Inception-v3中的卷积操作。