首页
学习
活动
专区
工具
TVP
发布

进击的Coder

专栏作者
552
文章
1254393
阅读量
199
订阅数
GitHub 2019 年度报告都说了什么?
就在昨天,全球最大开发者社区 GitHub 重磅发布 2019 年度报告,透露了一个数据:GitHub 目前在全球已有超过 4000 万开发者用户,其中 80% 来自美国之外的地区。
崔庆才
2019-11-25
8040
图像分类任务中,Tensorflow 与 Keras 到底哪个更厉害?
转载来源:AI 研习社编译的技术博客 原标题:Tensorflow Vs Keras? — Comparison by building a model for image classificatio
崔庆才
2019-09-04
8540
模型训练太慢?来试试用这个方法提速吧!
原标题:How to Train Your Model (Dramatically Faster)
崔庆才
2019-09-04
3.2K0
Tensorflow 2.0 的这些新设计,你适应好了吗?
如果说两代 Tensorflow 有什么根本不同,那应该就是 Tensorflow 2.0 更注重使用的低门槛,旨在让每个人都能应用机器学习技术。考虑到它可能会成为机器学习框架的又一个重要里程碑,本文会介绍 1.x 和 2.x 版本之间的所有(已知)差异,重点关注它们之间的思维模式变化和利弊关系。
崔庆才
2019-09-04
8970
新工具lobe也许能满足你对深度学习的所有幻想,重要的是不用写代码
Lobe由一家位于美国旧金山的创业公司打造,其发明者认为,建立深度学习模型是一个非常缓慢且复杂的过程,其中最难的地方是找到一个起点,可供学习的语言有很多,甚至当你准备好的时候,很难想象并理解自己到底要做什么。这就是他们创建Lobe的原因,它可以让来自不同背景和专业的人用深度学习进行发明创造。
崔庆才
2019-09-04
1.6K0
2018年十大深度学习热门论文整理出炉了!值得一看!
在这份论文清单中,超过75%的文章涉及深度学习和神经网络,其中卷积神经网络(CNN)的比重格外出众,而计算机视觉论文的占比也有50%。在前人优秀论文的指引下,随着TensorFlow、Theano等开源软件库的日益完善和GPU等硬件的不断发展,相信未来数据科学家和机器学习工程师的学习工作之路将是一片坦途。
崔庆才
2019-09-04
8510
跟繁琐的模型说拜拜!深度学习脚手架 ModelZoo 来袭!
好多天没有更新原创文章了,国庆前的一段时间确实比较忙,整个九月在参加各种面试,另外还有公司的项目,还有自己的毕设,另外还需要准备参加一些活动和讲座,时间排的很紧,不过还在这些事情基本在国庆来临之际都暂告一段落了,所以国庆我也没打算再干太多事情,就准备在家休养生息。
崔庆才
2018-10-23
1.9K0
3个关键点,把你的TensorFlow代码重构为分布式!
对于机器学习模型,分布式大致分两类:模型分布式和数据分布式: 模型分布式非常复杂和灵活, 它把整个机器学习模型分割,分散在多个节点上,在每个节点上计算模型的各个部分, 最后把结果拼接起来。如果你造了
崔庆才
2018-06-25
6540
TensorFlow可视化之TensorBoard快速上手
本文转载自:David 9的博客 — 不怕"过拟合" 我们都知道tensorflow训练一般分两步走:第一步构建流图graph,第二步让流图真正“流”起来(即进行流图训练)。 tensorboard会对这两步都进行跟踪,启动这种跟踪你必须先初始化一个tensorflow的log文件writer对象: writer = tf.train.SummaryWriter(logs_path, graph=tf.get_default_graph()) 然后启动tensorboard服务: [root@c031
崔庆才
2018-06-25
5160
Attention原理及TensorFlow AttentionWrapper源码解析
本节来详细说明一下 Seq2Seq 模型中一个非常有用的 Attention 的机制,并结合 TensorFlow 中的 AttentionWrapper 来剖析一下其代码实现。 Seq2Seq 首先来简单说明一下 Seq2Seq 模型,如果搞过深度学习,想必一定听说过 Seq2Seq 模型,Seq2Seq 其实就是 Sequence to Sequence,也简称 S2S,也可以称之为 Encoder-Decoder 模型,这个模型的核心就是编码器(Encoder)和解码器(Decoder)组成的,
崔庆才
2018-06-25
5K0
深度学习GPU环境Ubuntu16.04+GTX1080+CUDA9+cuDNN7+TensorFlow1.6环境配置
本节详细说明一下深度学习环境配置,Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6。 Python 3.6 首先安装 Python 3.6,这里使用 Anaconda 3 来安装,下载地址:https://www.anaconda.com/download/#linux,点击 Download 按钮下载即可,这里下载的是 Anaconda 3-5.1 版本,如果下载速度过慢可以选择使用清华
崔庆才
2018-04-08
2K0
TensorFlow验证码识别
本节我们来用 TensorFlow 来实现一个深度学习模型,用来实现验证码识别的过程,这里我们识别的验证码是图形验证码,首先我们会用标注好的数据来训练一个模型,然后再用模型来实现这个验证码的识别。 验证码 首先我们来看下验证码是怎样的,这里我们使用 Python 的 captcha 库来生成即可,这个库默认是没有安装的,所以这里我们需要先安装这个库,另外我们还需要安装 pillow 库,使用 pip3 即可: pip3 install captcha pillow 安装好之后,我们就可以用如下代码来生成一个
崔庆才
2018-04-04
2.8K1
TensorFlow layers模块用法
TensorFlow 中的 layers 模块提供用于深度学习的更高层次封装的 API,利用它我们可以轻松地构建模型,这一节我们就来看下这个模块的 API 的具体用法。 概览 layers 模块的路径写法为 tf.layers,这个模块定义在 tensorflow/python/layers/layers.py,其官方文档地址为:https://www.tensorflow.org/api_docs/python/tf/layers,TensorFlow 版本为 1.5。 这里面提供了多个类和方法以供使用,
崔庆才
2018-04-04
2.3K0
TensorFlow RNN Cell源码解析
本文介绍下 RNN 及几种变种的结构和对应的 TensorFlow 源码实现,另外通过简单的实例来实现 TensorFlow RNN 相关类的调用。 RNN RNN,循环神经网络,Recurrent Neural Networks。人们思考问题往往不是从零开始的,比如阅读时我们对每个词的理解都会依赖于前面看到的一些信息,而不是把前面看的内容全部抛弃再去理解某处的信息。应用到深度学习上面,如果我们想要学习去理解一些依赖上文的信息,RNN 便可以做到,它有一个循环的操作,可以使其可以保留之前学习到的内容。 RN
崔庆才
2018-04-04
1.2K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档