tensorflow | 易学教程

除了TensorFlow、PyTorch，还有哪些深度学习框架值得期待？

阅读更多关于除了TensorFlow、PyTorch，还有哪些深度学习框架值得期待？

分布式技术是深度学习技术的加速器。同时利用多个工作节点，分布式地、高效地训练出性能优良的神经网络模型，能够显著提高深度学习的训练效率、进一步增大其应用范围。《首席AI架构师——分布式高性能深度学习实战培养计划》，力图从更宽的视角，梳理清楚深度学习框架、AI应用、部署上线的整个环节，让你在AI职业规划上可以多一些选择。课程会针对 Tensorflow、Pytorch、PaddlePaddle、TNN等框架，底层图编译优化，分布式并行计算通信优化，存储优化等，多个方面的讲解，帮助你的更好的认识并适应新框架带来的变化，加深对框架的技术把控能力。对课程有意向的同学添加课程顾问小姐姐微信咨询课程对课程有意向的同学添加课程顾问小姐姐微信咨询课程《首席Ai架构师》分布式高性能深度学习实战培养计划对课程有意向的同学添加课程顾问小姐姐微信咨询课程知识拓展、更多收获 01 专业的论文解读在课程里，我们每1-2周会安排一篇经典论文供学员阅读，之后由老师帮助解读。 ▲节选至部分论文安排 02 行业案例分享训练营过程中会邀请合作的专家来分享行业案例以及技术解决方案。下面是一场源自曾博士的分享↓↓↓ 《Google YouTube 基于深度学习的视频推荐》嘉宾简介：曾博士计算机视觉，机器学习领域专家先后在CVPR，ACMMM，TPAMI，SCI 期刊，EI

Correcting NaN values/loss for ANN in tensorflow

阅读更多关于 Correcting NaN values/loss for ANN in tensorflow

来源： https://stackoverflow.com/questions/63200848/correcting-nan-values-loss-for-ann-in-tensorflow

最全总结！聊聊 Python 操作PDF的几种方法

阅读更多关于最全总结！聊聊 Python 操作PDF的几种方法

作者 | 陈熹来源 | 早起Python 前言本文主要涉及： os 模块综合应用 glob 模块综合应用 PyPDF2 模块操作基本操作 PyPDF2 导入模块的代码常常是： from PyPDF2 import PdfFileReader, PdfFileWriter 这里导入了两个方法： PdfFileReader 可以理解为读取器 PdfFileWriter可以理解为写入器接下来通过几个案例进一步认识这两个工具的奇妙之处，用到的示例文件是5个发票的pdf 每个发票的PDF都由两页组成：合并第一个工作是将5个发票pdf合并成10页。这里读取器和写入器应该怎么配合呢？逻辑如下：读取器将所有pdf读取一遍读取器将读取的内容交给写入器写入器统一输出到一个新pdf 这里还有一个重要的知识点：读取器只能将读取的内容一页一页交给写入器。因此，逻辑中第1步和第2步实际上不是彼此独立的步骤，而是读取器读取完一个pdf后，就将这个pdf全部页循环一遍，挨页交给写入器。最后等读取工作全部结束后再输出。看一下代码可以让思路更清楚： from PyPDF2 import PdfFileReader, PdfFileWriterpath = r'C:\Users\xxxxxx'pdf_writer = PdfFileWriter()for i in range(1, 6):

How to predict on new data using a trained and saved Feedforward NN

阅读更多关于 How to predict on new data using a trained and saved Feedforward NN

来源： https://stackoverflow.com/questions/64101808/how-to-predict-on-new-data-using-a-trained-and-saved-feedforward-nn

Keras: Altered ImageDataGenerator gives error “init() got an unexpected keyword argument”

阅读更多关于 Keras: Altered ImageDataGenerator gives error “__init__() got an unexpected keyword argument”

来源： https://stackoverflow.com/questions/60116894/keras-altered-imagedatagenerator-gives-error-init-got-an-unexpected-keyw

How to add Images in a tensorflow.js model and train the model for given images labels

阅读更多关于 How to add Images in a tensorflow.js model and train the model for given images labels

来源： https://stackoverflow.com/questions/54689808/how-to-add-images-in-a-tensorflow-js-model-and-train-the-model-for-given-images

How to add Images in a tensorflow.js model and train the model for given images labels

阅读更多关于 How to add Images in a tensorflow.js model and train the model for given images labels

来源： https://stackoverflow.com/questions/54689808/how-to-add-images-in-a-tensorflow-js-model-and-train-the-model-for-given-images

人工智能？.netcore一样胜任！

阅读更多关于人工智能？.netcore一样胜任！

提起 AI ，大家都会先想到 Python ，确实 Python 作为一门好几十年的老语言，上一波的 AI 大流行使它焕发了青春。大家用 Phtyon 来做 AI ，最主要的原因无非就是编码量更少，很多数学和 AI 相关的 Api 都是现成的。但是随着 ML.net 的问世，我们现在可以在 .netcore 平台上使用比 Python 更少的代码来实现 AI 的功能了。 ML 是 Machine Learning 的缩写，从命名上可以看出微软对于对于 AI 的现状还是有非常清醒的认识的。目前我们所有声称的人工智能其实只是机器学习，离真正意义上的人工智能还差的很远。这也是为什么， AI 这个概念几乎每十年就火一次，然后陷入沉寂，因为我们在算法上其实始终没有突破，只是硬件比以前强大了，算的比以前快了而已。上一波的 AI 创业大军已经纷纷倒下了，这也使我们认识到目前 AI 的水平是很难独立支撑一块完整的创新业务的，但是作为已有系统的补充，作为数据分析的工具， AI 还是很有用的，尤其是在图像识别，语义分析，数值预测等已有成熟算法的领域。读到这里是不是以为这篇文章是喷概念的？必须不是啊，干货来了： ML.Net 主要特点：跨平台，开源，使用简单，支持 Tensorflow 等扩展一、使用 ML.Net 的图形化工具生成机器学习代码目前的 Visual Studio 2019

Anaconda环境下GPT2-Chinese的基本使用记录

阅读更多关于 Anaconda环境下GPT2-Chinese的基本使用记录

偶然在看到了这个项目，感觉很厉害，于是就折腾了下，跑了一跑项目地址： https://github.com/Morizeyao/GPT2-Chinese 如果Github下载太慢的可以用这个代下载： https://toolwa.com/github/ 环境准备 1.pytorch 的安装由情况选择版本安装，安装CPU版本梢简单 # 安装时官方源下载比较慢，要换源 conda install pytorch torchvision cpuonly -c pytorch # 如果cnda装不了选择pip的方式进行安装 # pip也要指定源 pip install torch==1.5.1+cpu torchvision==0.6.1+cpu -f https://download.pytorch.org/whl/torch_stable.html Anacoda 换源 onda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ # 设置搜索时显示通道地址 conda config --set show

Multiple Inputs and Single Outputs in Neural Network

阅读更多关于 Multiple Inputs and Single Outputs in Neural Network

来源： https://stackoverflow.com/questions/64350146/multiple-inputs-and-single-outputs-in-neural-network