登录
首页 » Python » 深度学习之TensorFlow:入门、原理与进阶实战

深度学习之TensorFlow:入门、原理与进阶实战

于 2019-04-20 发布 文件大小:24277KB
0 409
下载积分: 1 下载次数: 22

代码说明:

  该压缩文件是《深度学习之Tensorflow的入门、原理及进阶实战》,里面讲述了如何搭建TensorFlow环境,并讲述了深度学习的一些理论基础知识,而且通过例子进行辅助,能更好的理解掌握。(The compressed file is "Introduction, Principle and Advanced Combat of Tensorflow for Deep Learning", which describes how to set up the TensorFlow environment, and describes some theoretical basic knowledge of deep learning, and assists with examples to better understand .)

文件列表:

《深度学习之TensorFlow:入门、原理与进阶实战》.pdf, 30708206 , 2018-11-10

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 将数值网格写为CFD可读取的格式
    说明:  软件pfc划分流固耦合网格神器划分流固耦合网格神器(Software PFC division fluid solid coupling mesh artifact division fluid solid coupling mesh artifact)
    2021-03-24 11:59:14下载
    积分:1
  • BIC确定GMM聚类簇数
    说明:  通过贝叶斯信息准则确定高斯混合聚类方法的聚类簇数(Determining the Cluster Number of GMM Clusters by BIC)
    2021-03-26 19:19:13下载
    积分:1
  • autoencoder_v1
    用于数据自编码,非线性压缩,降维的一种方法;与PCA不同,pca为线性降维方式(Data auto encoding, nonlinear compression)
    2018-08-02 20:07:50下载
    积分:1
  • python-knn
    主要利用Python软件,利用KNN算法对垃圾邮件进行分类(This paper mainly uses Python software to classify spam mail by using KNN algorithm)
    2017-11-10 15:46:56下载
    积分:1
  • IABC_KMC_test_on_Iris_wine_glass
    克服K均值聚类算法易受初始聚类中心影响的缺点,优化K均值聚类算法(The K mean clustering algorithm is easily affected by the initial cluster center, and the K mean clustering algorithm is optimized.)
    2018-03-08 11:24:25下载
    积分:1
  • Archive
    说明:  PCA 数据降维 PTYTHON 数据分析/挖掘(PCA dimensionality reduction data mining/analysis)
    2020-06-21 15:40:02下载
    积分:1
  • MF-DFA-master
    多重分形去趋势波动分析法,用于不同时间序列的重分形交叉相关性分析。(Multifractal detrended fluctuation analysis)
    2018-09-06 14:29:01下载
    积分:1
  • Java 环保大数据
     环保大数据的处理对环保行业非常重要,本人编写了如何整合环保大数据的问题
    2022-07-02 00:35:30下载
    积分:1
  • 基于聚类的细分研究
    使用R语言进行聚类分析的例子,包括层次聚类,k均值聚类,密度聚类等(Examples of clustering analysis using R language, including hierarchical clustering, K mean clustering, density clustering, etc.)
    2018-03-28 15:11:33下载
    积分:1
  • knn.py
    kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时,只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,kNN方法较其他方法更为适合。(Basic source application)
    2018-10-30 16:50:13下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载